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

• 作者: 唐力伟 左宪章 康健 张西红 李浩
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 灰色 Morlet 核 传感器网络 数据融合 预测
• 年，卷（期）: 2011,（4）
• 页码范围: 144-149
• 分类号: TP393
• 字数: 5509字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3835.2011.04.031

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 小波核偏最小二乘(GMWKPLS)的预测融合模型.该模型把灰色模型预测的思想融入到核偏最小二乘(KPLS)中,采用构造的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(GRBFKPLS)和RBF核偏最小二乘(RBFKPLS)预测模型对比,GNWKPLS性能最佳,预测误差范围在±0.15%以内.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐力伟		141	1349	18.0	31.0
2	张西红		40	396	8.0	19.0
3	左宪章		77	581	10.0	22.0