基于分位数特征提取的时间序列模式分类-计算机工程.PDF

第41卷　 第3期 　 计 算 机 工 程 2015年3月 　 　 Vol.41　 No.3 　 Computer Engineering March2015 ·人工智能及识别技术 · 文章编号:1000-3428(2015)03-0167-05　 　 　 文献标识码:A　 　 　 中图分类号:TP391.4 基于分位数特征提取的时间序列模式分类 管河山 ,王　 谦 ,唐德文a a b (南华大学 a.经济管理学院;b.机械工程学院,湖南 衡阳421001) 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。 关键词:分位数;时间序列;模式分类;离心机;振动信号;小波 中文引用格式:管河山,王　 谦,唐德文.基于分位数特征提取的时间序列模式分类[J].计算机工程,2015,41(3):167-171. 英文引用格式:Guan Heshan,Wang Qian,Tang Dewen.Time Sequence Pattern Classification Based on Quantile Feature Extraction[J].Computer Engineering,2015,41(3):167-171. Time Sequence Pattern Classification Based on Quantile Feature Extraction GUAN Heshan ,WANG Qian ,TANG Dewena a b (a.School of EconomicsManagement;b.School of Mechanical Engineering, University of South China,Hengyang421001,China) 【Abstract】 The vibration state detection data from the centrifuge equipment in high-speed operation usually presents obviousnonlinearity,normal distributionandthecharacteristicsoflarge sample,andrandom fluctuationsinthedatamake it difficult to capture the trend characteristics.In this paper,time sequence theory is used to analyze the vibration signal data gathered from the running centrifuge equipment.It usesthe quantile of the sequence data to build the feature vector according tothe symmetricalprinciple,andintroducestheEuclidean distancefunctiontoconstruct similaritymeasure,and then sets up the decision basis for pattern classifica