基于灰色小波核偏最小二乘的传感器网络数据预测融合研究.pdf

振动与冲击 OFVIBRATIONANDSHOCK 第30卷第4期 JOURNAL 基于灰色小波核偏最小二乘的传感器网络数据预测融合研究 康健1’2，唐力伟1，左宪章1，李浩3，张西红1 摘 要：针对如何降低传感器网络中采集的非平稳、非线性信号的数据传输量，提出了一种基于灰色Morlet小波 的Morlet小波核函数进行数据变换，将输入映射到高维非线性的特征空间，在特征空间中，利用线性偏最小二乘方法构造 预测融合模型。通过对齿轮箱断齿工况升速过程中的振动信号进行分析，结果表明，该模型使用滑动窗方法不断更新建 模数据进行动态预测，预测精度高，可大大降低数据传输量，获得显著的节能收益。通过与灰色RBF核偏最小二乘 关键词：灰色；Modet核；传感器网络；数据融合；预测 中图分类号：TP393 文献标识码：A in Data andfusionasensornetworkbasedon waVeIetkemel prediction grey partiaIle嬲tsquares Z嬲ⅣG尉一九on91 碰ⅣG五口n1”，似ⅣG厶．伽eil，ZU0施口n．如on91，口讹D3 (1．0rdnanceEngineeringCollege，SIljji犯huaJlg050003，Chinao 2．UIlit Unit 453636，China；3．PLA 471003，China) 72889，XiIl】【i∞g 63880，Luoyang Inordertoreducethe砌ountofdataof andnonlinearcollectedina sensor Abstract： non—stationary si酗als Morletwaveletkemel least modelwas Inthis network，a grey panial squares(GMWKPLs)proposed． model，grey was introducedintokemel least the datawere Then， predictiontheoryfirstly partial squares(KPLS)．input—output toanonlineardimensionalfeature witllMoreltkemel andfusion mapped higher space transfo瑚ation．Finally，aprediction modelwasconstnlcted埘t}I least windowmethodwasutilizedto Moreover，t11e line盯panialsquares． moving update inthis model．Themodelwasvalidatedvibrationof tooth samplescontinuouslydyna