基于概率密度空间划分的符号化时间序列分析及其在异常诊断中的应用.pdfVIP

第 ２７ 卷第 ５ 期 振 　 动 　 工 　 程 　 学 　 报 ．２７ ．５ ２０１４ 年 １０ 月 Vol N．２０o１４ Journal of Vibration Engineering Oct 基 于 概 率 密 度 空 间 划 分 的 符 号 化 时 间 序 列 分 析 及 其 在 异 常 诊 断 中 的 应 用 胡世杰 ，钱宇宁 ，严如强 （东南大学仪器科学与工程学院 ，江苏 南京 ２１００９６） 摘要 ：提前诊断出机械系统中的异常信息对于防止生产事故的产生非常重要 。 在各种诊断方法中 ，符号化时间序 列分析（ ， ）是一种常用的异常诊断方法 ，然而它的诊断??果和符号化时间序列的 STSA Symbolic time series analysis 形成紧密相关 。 在对之前方法总结分析的基础上 ，提出了一种高效实用的符号化方法 ——— 基于概率密度空间划分 的符号化方法 。 在该方法中 ，首先对时间序列进行概率密度统计分析 ，进而确定若干个概率相等的区间 ，然后对属 于特定区间的值赋予一个特定的符号 。 为了检验该方法的效果 ，将基于概率密度空间划分的符号化时间序列分析 方法用于轴承疲劳实验的异常诊断当中 。 通过对比实验表明 ：概率密度符号化方法相比于传统的空间划分方法对 异常更加敏感 ，能够更早诊断出轴承的异常 。 关键词 ：异常诊断 ；信号分析 ；符号化时间序列分析 ；概率密度 中图分类号 ： １６５ ＋ ．３ ； ９１１ ．７ 　 　 文献标识码 ： 　 　 文章编号 ：１００４‐４５２３（２０１４）０５‐０７８０‐０５ T H TN A 个互不相同符号的序列 。 这一过程能够保留原始时 引 　 言 间序列当中的大尺度特征 ，从而降低动力学噪声和 测量噪声的影响［２ ］ ；同时由于数据的符号化 ，其计算 在机械系统中异常检测是指在给定的数据集中 效率大大提高 。 目前 ，符号化方法可以分为两类 ：１） 提取出特征 ，并利用提取出的特征来判断其状态是 基于值域的符号化方法 ；２）基于分布的符号化方法 。 正常还是异常 。 随着科学技术和现代工业的飞速发 基于值域的符号化方法主要是通过对时间序列值域 展 ，国民经济的机械 、能源 、石化 、运载和国防等行业 的分析来进行符号化 。 例如 ， 提出了统 Asoky Ray 的机械设备日趋大型化 、高速化 、集成化和自动化 ， 一划分符号