基于分位数特征提取的时间序列模式分类

• 作者: 唐德文 王谦 管河山
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 分位数 时间序列 模式分类 离心机 振动信号 小波
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 167-171
• 页数: 5页
• 分类号: TP391.4
• 字数: 4701字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.03.032

摘要

高速运行的离心机设备，其振动状态检测数据通常呈现出明显的非线性、正态分布和大样本的特征，数据波动的随机性使得其趋势特征难以捕捉。为此，提出一种新的时间序列模式分类方法。采集离心机设备运行状态的振动信号时间序列进行分析，根据对称原理提取序列数据的分位数，构建特征向量，采用欧氏距离函数构建相似性度量，建立模式分类的判定依据，使用k-means分类算法实现状态模式的自动分类。仿真结果表明，该方法能有效区分离心机设备运行中空载和负载的模式状态，且比传统的小波分析模式分类方法更加准确。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	管河山	南华大学经济管理学院	41	96	5.0	8.0
2	唐德文	南华大学机械工程学院	59	146	7.0	10.0
3	王谦	南华大学经济管理学院	26	28	3.0	4.0