不同样本尺度和分区方案的粮食产量空间化及误差修正 被引量：5

1

作者 姬广兴 廖顺宝 +2 位作者 岳艳琳 候鹏敏 杨旭 《农业工程学报》 EI CAS CSCD 北大核心 2015年第15期272-278,共7页

粮食产量数据空间化有助于粮食产量数据与其他自然、人文数据进行综合分析,但空间化过程中必然会产生误差。该文按照3种分区方案(全国不分区、全国分为7个区以及按省分区),选择3种尺度上(县级、地市级和公里网格)的总产及平均产量数据(... 粮食产量数据空间化有助于粮食产量数据与其他自然、人文数据进行综合分析,但空间化过程中必然会产生误差。该文按照3种分区方案(全国不分区、全国分为7个区以及按省分区),选择3种尺度上(县级、地市级和公里网格)的总产及平均产量数据(即4种样本:县级粮食总产、县级平均粮食产量、地市级粮食总产、地市级平均粮食产量)分别为因变量,以对应的3种农田类型(水田、水浇地、旱地)面积数据为自变量,利用多元线性回归分析方法,得到15种空间化模型。采用两阶段误差分析方法,选取2个模型误差评价因子和5个空间化结果误差评价因子,对模型和空间化结果进行误差分析。结果表明:1)空间化过程中,模型精度与空间化结果的精度存在不一致性;2)对于采用同一样本的模型(常数项为0)而言,空间化结果精度随着分区方案的细化先提高再降低,而对于采用同一样本的模型(常数项非0)而言,空间化结果精度随着分区方案的细化而降低;3)在全国不分区和分为7个区2种情况下,空间化结果精度随着分析样本尺度的细化(从地市级到县级再到公里网格)先提高后降低。根据上述分析结果,最终以县级粮食总产为样本、常数项为0、全国分7个区建模的方案实现全国粮食产量数据空间化,并通过修正,得到2005年中国粮食产量公里网格分布图。该研究弥补了粮食产量空间化误差分析的不足,探寻了不同样本尺度和分区方案与空间化误差的关系,提高了空间化精度,同时对其他类型的社会经济统计数据空间化研究具有一定的参考价值。 展开更多

关键词 粮食 误差修正 模型 样本尺度 分区方案 多元回归 产量 空间化

在线阅读 下载PDF 职称材料

基于多变量多尺度云样本熵和模糊支持向量机的开关柜故障分类 被引量：15

2

作者 辛业春 崔金栋 +2 位作者 周川 王强钢 周念成 《电网技术》 EI CSCD 北大核心 2016年第11期3597-3603,共7页

利用智能开关柜多源监测数据识别其异常状态和故障类型,可实现配电设备高效精细的运维管理。为提取开关柜的故障特征,利用传感器监测开关柜电压、电流、温湿度和闪光信号等状态量,通过引入降半梯形云模型量化状态量时间序列的复合延迟... 利用智能开关柜多源监测数据识别其异常状态和故障类型,可实现配电设备高效精细的运维管理。为提取开关柜的故障特征,利用传感器监测开关柜电压、电流、温湿度和闪光信号等状态量,通过引入降半梯形云模型量化状态量时间序列的复合延迟向量间的相似度,由此软化多变量多尺度样本熵相似容限判据,进而获取包含多个时间尺度的开关柜多通道状态监测数据的多变量多尺度云样本熵(MMCSE)故障特征向量;依据分段半降正态云模型量化开关柜故障样本间关联关系的不确定性,综合样本空间的区域差异性和分散性计算样本隶属度,形成改进的模糊支持向量机(FSVM)特征分类方法,实现了开关柜不同故障类型的识别。根据现场实时监测数据,验证结果表明所提方法具有较高的分类正确性。 展开更多

关键词 智能开关柜 多变量多尺度云样本熵 模糊支持向量机 云模型 故障分类

在线阅读 下载PDF 职称材料

基于多尺度样本熵与阈值的语音端点检测 被引量：4

3

作者 王波 于凤芹 《计算机工程》 CAS CSCD 北大核心 2016年第12期268-271,共4页

针对样本熵对突变噪声敏感导致的误检问题,提出一种改进的语音端点检测算法。该算法在时域采用尺度因子对语音信号进行多尺度变换,计算各尺度下的样本熵和阈值,统计样本熵大于门限阈值的尺度个数并与总尺度个数进行比较,实现语音端点检... 针对样本熵对突变噪声敏感导致的误检问题,提出一种改进的语音端点检测算法。该算法在时域采用尺度因子对语音信号进行多尺度变换,计算各尺度下的样本熵和阈值,统计样本熵大于门限阈值的尺度个数并与总尺度个数进行比较,实现语音端点检测。实验结果表明,该算法能够较好地消除样本熵对突变噪声的敏感性,并且与近似熵和样本熵检测算法相比,在低信噪比条件下具有更高的检测准确率。 展开更多

关键词 多尺度样本熵 多尺度变换 语音端点检测 阈值 近似熵

在线阅读 下载PDF 职称材料

基于EEMD多尺度样本熵的S700K转辙机故障诊断 被引量：23

4

作者 魏文军 刘新发 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第11期2763-2772,共10页

针对S700K转辙机在运行过程中的故障诊断问题,提出一种基于集合经验模态分解(EEMD)的多尺度样本熵的信号分析及故障诊断方法。首先对S700K转辙机功率曲线进行EEMD分解,得到不同时间尺度的固有模态函数(IMF)分量,并提取每一个IMF分量的... 针对S700K转辙机在运行过程中的故障诊断问题,提出一种基于集合经验模态分解(EEMD)的多尺度样本熵的信号分析及故障诊断方法。首先对S700K转辙机功率曲线进行EEMD分解,得到不同时间尺度的固有模态函数(IMF)分量,并提取每一个IMF分量的样本熵,由于样本熵能够有效区分不同信号的复杂度,故可获得转辙机不同状态下的特征参数。最后,利用这些不同运行状态下的特征参数构建特征模式矩阵,采用模糊聚类分析算法求解该矩阵的模糊等价矩阵。在模糊等价矩阵中,当λ(可变阈值)在[0, 1]范围内变动时,模糊等价矩阵转化为等价的布尔矩阵,由布尔矩阵可以得到动态聚类图并得到分类结果,从而实现故障诊断。研究结果表明:本文算法能准确提取故障特征且支持多种故障同时检测,有效提高了S700K转辙机故障诊断的精度与效率。 展开更多

关键词 EEMD 多尺度样本熵 固有模态函数(IMF) 模糊聚类 等价矩阵

在线阅读 下载PDF 职称材料

基于多尺度子带样本熵和LPP的轴承故障诊断方法 被引量：13

5

作者 王广斌 杜谋军 +1 位作者 韩清凯 李学军 《振动与冲击》 EI CSCD 北大核心 2016年第20期71-76,97,共7页

轴承损伤是机械设备损伤的主要原因之一,其产生的振动信号具有微弱、非平稳和非线性的特点。针对不能准确从微弱信号中提取故障特征的问题,提出使用多尺度子带样本熵,首先对信号进行小波包分解得到多尺度信号,再将每一个多尺度信号进行... 轴承损伤是机械设备损伤的主要原因之一,其产生的振动信号具有微弱、非平稳和非线性的特点。针对不能准确从微弱信号中提取故障特征的问题,提出使用多尺度子带样本熵,首先对信号进行小波包分解得到多尺度信号,再将每一个多尺度信号进行子带分解得到多尺度子带信号,再求其样本熵得到多尺度子带样本熵,该方法能深入挖掘微弱信号的本质特征;针对非平稳信号能量密度分布不均的问题,提出使用平滑伪Wigner-Ville分布,其可对非平稳信号的瞬时对称相关函数进行时频聚集处理,使信号的能量均匀分布;针对不能准确的挖掘非线性数据的主流形的问题,提出使用局部保持投影(LPP,Locality Preserving Projection),LPP在投影过程中保持了最优的数据局部邻域关系,可以准确的挖掘非线性数据的主流形。文中分别采用四组正常、内圈故障、滚珠故障和外圈故障信号作为原始数据来验证该方法的有效性,实验结果证明该方法能有效地对信号故障进行分离和识别。 展开更多

关键词 轴承损伤 特征提取 多尺度子带样本熵 平滑伪wlgner-vme分布 LPP分布

在线阅读 下载PDF 职称材料

基于多尺度样本熵的时间序列复杂度研究 被引量：3

6

作者 尚传福 《现代电子技术》 北大核心 2017年第17期40-43,共4页

对于三维空间中时间序列的复杂度分析,多采用多尺度样本熵(MSE),针对MSE方法随着时间序列复杂度的增加样本熵估计的准确率下降的缺陷,提出采用多尺度样本熵模型。对提出的MSE模型进行实验验证分析,根据时间序列复杂程度的不同,分别采用... 对于三维空间中时间序列的复杂度分析,多采用多尺度样本熵(MSE),针对MSE方法随着时间序列复杂度的增加样本熵估计的准确率下降的缺陷,提出采用多尺度样本熵模型。对提出的MSE模型进行实验验证分析,根据时间序列复杂程度的不同,分别采用复合多尺度样本熵(CMSE)以及改进复合多尺度样本熵(RCMSE)对时间序列进行研究分析,得出不同的仿真结果。证明对于时间序列的复杂度研究,采用MSE的方法能达到提高准确率的效果。 展开更多

关键词 时间序列 RCMSE 多尺度样本熵 复杂度分析

在线阅读 下载PDF 职称材料

基于重构误差及多尺度交叉样本熵的谐振接地系统故障选线 被引量：12

7

作者 田业 徐天奇 +2 位作者 李琰 邓小亮 王阳光 《电力系统保护与控制》 CSCD 北大核心 2021年第13期95-104,共10页

针对大量应用电缆线路导致的谐振接地系统单相接地故障时选线正确率下降的问题,提出一种基于计算馈线暂态零序电流重构误差及其低频分量多尺度交叉样本熵的故障选线方法。谐振接地系统单相接地故障时由于消弧线圈补偿作用,故障线路暂态... 针对大量应用电缆线路导致的谐振接地系统单相接地故障时选线正确率下降的问题,提出一种基于计算馈线暂态零序电流重构误差及其低频分量多尺度交叉样本熵的故障选线方法。谐振接地系统单相接地故障时由于消弧线圈补偿作用,故障线路暂态零序电流相位、周期变化均与健全线路不同。利用相位变化不同,通过同步挤压小波逆变换对暂态零序电流进行重构并计算误差。利用周期变化不同计算暂态零序电流低频分量多尺度交叉样本熵。重构误差、交叉样本熵之和均为最大值的线路即为故障线路。大量仿真结果证明,该方法受不同故障条件影响较小,可靠性高,抗干扰性强。 展开更多

关键词 配电网 谐振接地系统 故障选线 同步挤压小波变换 多尺度交叉样本熵

在线阅读 下载PDF 职称材料

广义精细复合多尺度样本熵与流形学习相结合的滚动轴承故障诊断方法 被引量：29

8

作者 王振亚 姚立纲 《中国机械工程》 EI CAS CSCD 北大核心 2020年第20期2463-2471,共9页

针对滚动轴承故障特征提取困难的问题,提出了一种广义精细复合多尺度样本熵(GRCMSE)与流形学习相结合的特征提取方法。利用GRCMSE提取滚动轴承故障特征信息;采用判别式扩散映射分析(DDMA)方法对高维特征进行降维处理;将低维故障特征输... 针对滚动轴承故障特征提取困难的问题,提出了一种广义精细复合多尺度样本熵(GRCMSE)与流形学习相结合的特征提取方法。利用GRCMSE提取滚动轴承故障特征信息;采用判别式扩散映射分析(DDMA)方法对高维特征进行降维处理;将低维故障特征输入粒子群优化支持向量机多故障分类器中进行故障识别。滚动轴承故障实验分析结果表明:GRCMSE特征提取效果优于多尺度样本熵(MSE)、精细复合多尺度样本熵(RCMSE)和广义多尺度样本熵(GMSE);DDMA降维效果优于等度规映射(Isomap)和局部切空间排列(LTSA)的降维效果;GRCMSE和DDMA相结合后的滚动轴承故障识别精度达到100%。 展开更多

关键词 广义精细复合多尺度样本熵 判别式扩散映射分析 故障诊断 流形学习 滚动轴承

在线阅读 下载PDF 职称材料

多尺度样本熵对脑信号复杂度评估算法的修正 被引量：1

9

作者 李筱菁 刘云青 +2 位作者 丁颖 孙友然 周薇 《山东科技大学学报（自然科学版）》 CAS 北大核心 2023年第1期110-117,共8页

多尺度样本熵(MSE)算法作为一种时间序列非线性复杂度测量方法,近年来在生物信号分析中得到广泛应用。针对MSE对不同粗粒化程度数据序列的匹配标准缺少区分度的问题,提出一种修正方法,将序列匹配标准与不同粗粒化程度的数据相对应,以提... 多尺度样本熵(MSE)算法作为一种时间序列非线性复杂度测量方法,近年来在生物信号分析中得到广泛应用。针对MSE对不同粗粒化程度数据序列的匹配标准缺少区分度的问题,提出一种修正方法,将序列匹配标准与不同粗粒化程度的数据相对应,以提高MSE对信号复杂度测量的准确度和可解释性。采用修正前、后的MSE分别对模拟噪声信号和人类脑电信号复杂度进行了计算。结果表明:修正后的MSE所表征的复杂度更符合白噪声与1/f噪声的物理意义,且对脑电信号在高时间尺度闭眼与睁眼实验条件下的复杂度具有更好的区分效果,复杂度差异存在统计显著性。 展开更多

关键词 多尺度样本熵 复杂度 脑信号 评估算法

在线阅读 下载PDF 职称材料

基于ALIF多尺度样本熵和CNN的螺栓组松动定位 被引量：1

10

作者 张世壮 王涛 +1 位作者 谭波海 袁锐 《传感技术学报》 CAS CSCD 北大核心 2022年第6期850-856,共7页

针对螺栓组中松动螺栓定位的问题,基于自适应局部迭代滤波算法(ALIF)和多尺度样本熵(MSE),提出了一种新的特征提取方法,并用卷积神经网络(CNN)分类识别特征来实现对松动螺栓的有效定位。首先,将螺栓组在不同工况下的非线性响应信号进行... 针对螺栓组中松动螺栓定位的问题,基于自适应局部迭代滤波算法(ALIF)和多尺度样本熵(MSE),提出了一种新的特征提取方法,并用卷积神经网络(CNN)分类识别特征来实现对松动螺栓的有效定位。首先,将螺栓组在不同工况下的非线性响应信号进行自适应局部迭代滤波分解;然后,选取分解后部分有效的本征模态函数(IMF),并提取每一个IMF分量的多个尺度的样本熵形成二维特征矩阵;最后,将特征矩阵输入CNN,训练好的网络模型被用来实现对螺栓组中螺栓松动的定位。基于压电主动传感设计了实验装置,并选择混沌信号作为激励进行了实验研究。实验结果表明:该方法能够有效定位出螺栓组中松动的螺栓,并且相比于其他方法有着更高的准确性、更快的训练速度和更强的鲁棒性。 展开更多

关键词 螺栓松动 定位 压电换能器 自适应迭代滤波 多尺度样本熵 卷积神经网络

在线阅读 下载PDF 职称材料

基于ICEEMDAN多尺度熵与NGO-HKELM的转子故障诊断 被引量：4

11

作者 陆水 李振鹏 +2 位作者 李军 颜东梅 黄福川 《组合机床与自动化加工技术》 北大核心 2024年第4期175-180,共6页

针对电机转子故障信号非平稳、敏感的故障特征不能有效提取,传统分类器参数智能优化算法存在优化速度慢、调整参数多、易陷入局部最优等问题提出基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断方法。首先,采用改进的自适应噪声完... 针对电机转子故障信号非平稳、敏感的故障特征不能有效提取,传统分类器参数智能优化算法存在优化速度慢、调整参数多、易陷入局部最优等问题提出基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断方法。首先,采用改进的自适应噪声完全集合经验模态分解(improved complete empirical mode decomposition with adaptive noise,ICEEMDAN)方法对转子振动信号进行分解和重构;计算重构信号的多尺度样本熵(multiscale sample entropy,MSE),形成特征向量,通过核主成分分析(kernel principal component analysis,KPCA)方法对高维的特征向量进行降维;最后,将降维后的特征向量输入北方苍鹰算法(northern goshawk optimization,NGO)优化的混合核极限学习机(hybrid extreme learning machine,HKELM)进行转子故障分类。研究结果表明,基于ICEEMDAN-MSE-KPCA与NGO-HKELM优化的转子故障诊断模型,平均识别准确率可达97.7273%,平均寻优时间为1.0681 s,收敛速度快、准确率高以及分类效果好。 展开更多

关键词 改进的ICEEMDAN 多尺度样本熵 北方苍鹰算法 混合核极限学习机 转子故障诊断

在线阅读 下载PDF 职称材料

基于精细化改进多尺度快速样本熵的旋转机械故障诊断方法研究 被引量：9

12

作者 周付明 刘武强 +2 位作者 杨小强 申金星 陈赵懿 《机械强度》 CAS CSCD 北大核心 2023年第1期1-8,共8页

为了解决现有多尺度样本熵(Multiscale Sample Entropy, MSE)方法提取复杂序列特征时存在的计算效率低及幅值信息缺失等问题,提出精细化改进多尺度快速样本熵(Refined Improved Multiscale Fast Sample Entropy, RIMFSE)方法。首先使用... 为了解决现有多尺度样本熵(Multiscale Sample Entropy, MSE)方法提取复杂序列特征时存在的计算效率低及幅值信息缺失等问题,提出精细化改进多尺度快速样本熵(Refined Improved Multiscale Fast Sample Entropy, RIMFSE)方法。首先使用快速样本熵代替传统样本熵,通过改进重构向量匹配机制大幅降低了计算成本,而后使用改进的多尺度拓展方法代替传统的粗粒化方法,避免了幅值信息的丢失。在此基础上,结合最大相关最小冗余(Max-relevance and Min-redundancy, mRMR)方法及支持向量机(Support Vector Machine, SVM)分类器提出一种新的旋转机械故障诊断方法。使用齿轮箱和轴承两个故障数据集对提出方法的性能进行验证,同时将提出的方法与MSE,复合MSE(Composite Multiscale Sample Entropy, CMSE)及精细化复合MSE(Refined Composite Multiscale Sample Entropy, RCMSE)等现有方法进行对比。结果表明,相较于MSE、CMSE及RCMSE,提出的方法在鲁棒性、计算效率及识别精度等方面均具有明显优势,为基于熵特征提取的旋转机械故障诊断提供了一种新的思路。 展开更多

关键词 精细化改进多尺度快速样本熵 最大相关最小冗余 支持向量机分类器 旋转机械 故障诊断

在线阅读 下载PDF 职称材料

用谐波小波包变换法提取GIS局部放电信号多尺度特征参数 被引量：21

13

作者 唐炬 樊雷 +1 位作者 张晓星 刘欣 《电工技术学报》 EI CSCD 北大核心 2015年第3期250-257,共8页

超高频(UHF)法在GIS局部放电(PD)检测中已得到了广泛应用,UHF PD信号的特征提取对准确识别GIS内部绝缘缺陷类型和指导检修工作具有重要意义,但目前仍然缺乏有效的特征提取方法。为此,本文利用谐波小波具有严格盒形频谱的优点,提出一种提... 超高频(UHF)法在GIS局部放电(PD)检测中已得到了广泛应用,UHF PD信号的特征提取对准确识别GIS内部绝缘缺陷类型和指导检修工作具有重要意义,但目前仍然缺乏有效的特征提取方法。为此,本文利用谐波小波具有严格盒形频谱的优点,提出一种提取UHF PD特征信息的谐波小波包变换(HWPT)方法,对实验室获取的4种典型放电模型产生的UHF PD信号,采用HWPT进行多尺度分解,以克服实小波包分解子带间存在频谱混叠和能量泄漏的缺陷,利用UHF PD信号在不同尺度能量和复杂度的差异,提取多尺度能量和多尺度样本熵参数作为模式识别的特征量,更加精确地描述了UHF PD信号的时频域信息。最后利用支持向量机分类识别的结果表明,该方法可以取得比实小波包更好的识别效果,多尺度能量和多尺度样本熵特征参数均能有效识别4种绝缘缺陷。 展开更多

关键词 谐波小波包 特征提取 局部放电 频谱混叠 多尺度能量 多尺度样本熵

在线阅读 下载PDF 职称材料

利用样本生成方法进行机载多光谱LiDAR数据深度学习分类 被引量：9

14

作者 赵沛冉 管海燕 +2 位作者 李迪龙 景庄伟 于永涛 《测绘通报》 CSCD 北大核心 2021年第12期16-21,共6页

机载多光谱LiDAR系统能够快速、准确地获取地物的空间几何和光谱信息,为地物覆盖分类和目标识别提供新的数据源。近年来,基于三维点云的深度学习算法取得了一系列突破性进展,然而直接将不规则的原始点云数据输入深度学习模型进行基于点... 机载多光谱LiDAR系统能够快速、准确地获取地物的空间几何和光谱信息,为地物覆盖分类和目标识别提供新的数据源。近年来,基于三维点云的深度学习算法取得了一系列突破性进展,然而直接将不规则的原始点云数据输入深度学习模型进行基于点的分类存在一定的困难。本文提出了一种基于FPS-KNN的样本生成方法,用于基于深度学习的机载多光谱LiDAR数据分类。该方法首先对输入数据进行归一化处理;然后利用最远点采样方法(FPS)和K近邻法(KNN)在输入数据中生成一系列规则大小的训练样本数据集。通过机载多光谱LiDAR数据的试验表明,该方法所生成的样本不仅符合卷积神经网络所要求的输入数据形式,而且能够确保对输入场景的完整覆盖。 展开更多

关键词 多光谱LiDAR 点云样本 深度学习 地物分类 样本尺度

在线阅读 下载PDF 职称材料

融合空-频域的动态SAR图像目标检测 被引量：1

15

作者 沈学利 王嘉慧 吴正伟 《光电工程》 北大核心 2025年第1期68-85,共18页

针对合成孔径雷达(synthetic aperture radar,SAR)图像样本特征差异大、目标尺度不均衡、背景散斑噪声高所导致的检测精度低、推理速度慢问题,提出一种融合空-频域的动态SAR图像目标检测算法。首先,采用分流感知策略构造空-频域感知单元... 针对合成孔径雷达(synthetic aperture radar,SAR)图像样本特征差异大、目标尺度不均衡、背景散斑噪声高所导致的检测精度低、推理速度慢问题,提出一种融合空-频域的动态SAR图像目标检测算法。首先,采用分流感知策略构造空-频域感知单元,结合动态感受野及分数阶Gabor变换法,增强算法对空间多样性特征和频率散射特征的捕获能力与感知力,优化模型对全局上下文信息的保留能力,加快推理速度,降低特征映射模式相似性与背景噪声干扰,有效改善漏检、误检情况。其次,采用重参数学习法设计自适应特征融合模块,优化多尺度特征间的交互与整合,丰富特征的多样性,缓解特征采样引起的差异映射与信息丢失问题,加强小目标信息与关键频率信息在融合过程中的显著性,提高多尺度样本检测精度。最后,引入DY_IoU动态回归损失函数,利用自适应尺度惩罚因子与动态非单调注意力机制解决锚框膨胀和位置偏差问题,进一步增强模型对多尺度目标的定位与检测能力,加快模型收敛速度,减少模型计算量。在公开数据集SAR-Acraft-1.0和HRSID上进行相关实验,实验结果表明:该方法mAP@0.5数值达到了95.9%和98.8%,较基线模型分别提升5.2%和1.2%,且优于其他对比算法。表明该算法显著提升了检测精度,具备良好的鲁棒性与泛化性。 展开更多

关键词 SAR图像 分流感知 分数阶Gabor变换法 特征融合 多尺度样本 小目标 DY_IoU

在线阅读 下载PDF 职称材料

基于改进MSE算法的滑动轴承故障特征提取研究

16

作者 董红平 朱代根 范辉 《现代制造工程》 北大核心 2025年第1期156-162,共7页

针对往复压缩机滑动轴承故障振动信号特征提取困难、识别准确率低等问题,提出了一种改进多尺度样本熵(Multiscale Entropy,MSE)轴承故障特征提取方法。首先,针对样本熵计算步骤中存在冗余计算以及计算量大等问题,引进符号化思想,对统计... 针对往复压缩机滑动轴承故障振动信号特征提取困难、识别准确率低等问题,提出了一种改进多尺度样本熵(Multiscale Entropy,MSE)轴承故障特征提取方法。首先,针对样本熵计算步骤中存在冗余计算以及计算量大等问题,引进符号化思想,对统计不同维度下向量间距离小于阀值的向量个数时存在的重复计算问题进行简化,得到一种快速的样本熵算法;其次,针对传统三次样条插值方法无法满足复杂多变性的时间序列信号多尺度化处理过程,提出采用三次三角B样条插值方法代替传统的三次样条插值方法,对多尺度样本熵进行多尺度化,提高MSE的求解精度;最后以往复压缩机滑动轴承间隙故障为研究对象,应用改进MSE方法实现其故障信号特征提取。研究结果表明,当样本长度为24 056时,改进MSE算法特征提取的计算效率较原MSE方法增长近9.12倍,提升的百分比为816.62%,并且该方法同时提高了原MSE算法的故障诊断识别准确率。 展开更多

关键词 往复式压缩机 故障特征提取 滑动轴承 多尺度样本熵

在线阅读 下载PDF 职称材料

基于多尺度动力学的空气质量指数特征分析 被引量：2

17

作者 王访 赵文成 姜珊 《环境科学与技术》 CAS CSCD 北大核心 2021年第7期49-59,共11页

为了从不同尺度上挖掘空气质量指数及空气污染物浓度时间序列的动力特征,文章提出了一种多尺度趋势样本熵,该方法能有效处理具有强烈趋势的非线性时间序列。运用该方法研究了湖南省14个市州的AQI及PM_(2.5)和SO_(2)的动力学结构,发现AQI... 为了从不同尺度上挖掘空气质量指数及空气污染物浓度时间序列的动力特征,文章提出了一种多尺度趋势样本熵,该方法能有效处理具有强烈趋势的非线性时间序列。运用该方法研究了湖南省14个市州的AQI及PM_(2.5)和SO_(2)的动力学结构,发现AQI与PM_(2.5)的样本熵最接近,表明PM_(2.5)序列与AQI的演变趋势相似。此外,发现14个市州的3个时间序列在5~9 d的尺度上呈现最大的样本熵,表明以5~9 d为周期考虑的序列动力结构隐藏的信息量最大。进一步利用熵值对14个市州春夏秋冬4个季节进行了聚类,为寻找共同的污染源提供了依据,并为这些城市提出了空气污染防治的可行建议。 展开更多

关键词 多尺度趋势样本熵 时滞自相关系数 复杂度 聚类分析

在线阅读 下载PDF 职称材料

基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断方法 被引量：73

18

作者 李从志 郑近德 +1 位作者 潘海洋 刘庆运 《中国机械工程》 EI CAS CSCD 北大核心 2019年第14期1713-1719,1726,共8页

为克服多尺度样本熵的不足,更精确地提取滚动轴承非线性故障特征,将一种新的非线性动力学分析方法精细复合多尺度散布熵引入到滚动轴承的故障特征提取.在此基础上,提出了一种基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断新... 为克服多尺度样本熵的不足,更精确地提取滚动轴承非线性故障特征,将一种新的非线性动力学分析方法精细复合多尺度散布熵引入到滚动轴承的故障特征提取.在此基础上,提出了一种基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断新方法.通过滚动轴承实验数据分析,将所提方法与基于多尺度样本熵和多尺度散布熵的故障诊断方法进行了对比,结果表明:所提方法不仅能精确地识别滚动轴承故障类型和故障程度,而且故障识别率高于另两种方法. 展开更多

关键词 散布熵 多尺度样本熵 精细复合多尺度散布熵 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

改进样本熵及其在列车轴承损伤检测中的应用 被引量：13

19

作者 李永健 刘吉华 +2 位作者 张卫华 熊庆 李鹏 《仪器仪表学报》 EI CAS CSCD 北大核心 2018年第9期179-186,共8页

针对轴箱轴承振动信号的非线性以及非平稳特征,提出了一种基于非线性动力学检测的状态表征方法—改进多尺度样本熵（IMSE）。虽然传统多尺度样本熵（MSE）可以分析更多的状态信息,但是当尺度因子不断增大后会造成熵值统计的精度降低、... 针对轴箱轴承振动信号的非线性以及非平稳特征,提出了一种基于非线性动力学检测的状态表征方法—改进多尺度样本熵（IMSE）。虽然传统多尺度样本熵（MSE）可以分析更多的状态信息,但是当尺度因子不断增大后会造成熵值统计的精度降低、误差增大、波动程度增加,甚至导致熵值没有定义。通过对原有方法从粗粒化过程和熵的定义两方面入手作了相应的完善,提出了改进的多尺度熵以解决现有缺陷。通过轴箱轴承台架实验数据对新方法的有效性进行了验证,结果表明,相比MSE方法,IMSE性能更加优异,取得了更高的损伤识别精度。 展开更多

关键词 轴箱轴承 多尺度样本熵 特征提取 概率神经网络 故障诊断

在线阅读 下载PDF 职称材料

联合矢量数据和深度学习的遥感影像对象级分类样本自动选择方法 被引量：1

20

作者 何燕兰 王胜利 +1 位作者 朱寿红 刘文杰 《遥感信息》 CSCD 北大核心 2023年第6期15-21,共7页

针对目前的样本获取手段过于依赖人工制作,难以满足当前业务化实际需求的问题,提出了一种基于历史矢量数据和双线性差异化集成卷积神经网络支持的对象级样本自动选择方法。该方法首先通过对影像多尺度分割获取同质性较高的地物块状图斑... 针对目前的样本获取手段过于依赖人工制作,难以满足当前业务化实际需求的问题,提出了一种基于历史矢量数据和双线性差异化集成卷积神经网络支持的对象级样本自动选择方法。该方法首先通过对影像多尺度分割获取同质性较高的地物块状图斑,将历史矢量携带的标签信息赋值给该块状图斑;然后,通过图斑边界约束自适应生成多尺度样本集;最后,利用双线性差异化集成卷积神经网络进行样本的选择和纯化,通过属性关联实现对象级的高质量样本获取。无人机影像的分类结果表明,该方法充分结合了历史矢量数据先验几何约束和属性信息,顾及了最新影像中地物的光谱特性、边界特征和纹理信息,并引入深度学习方法实现了多尺度样本的纯化处理,实现了快速获取满足实际需求的高可靠性对象级分类样本。 展开更多

关键词 矢量数据 双线性差异化集成卷积神经网络 多尺度样本集 面向对象 样本自动选择

在线阅读 下载PDF 职称材料