检索结果-南通市图书馆

作者：孙静东南大学

学位级别：硕士

在基于脑电图(Electroencephalogram,EEG)的脑-机接口(Brain–computer interfaces,BCI)领域,共同空间模式(Common spatial patterns,CSP)技术是EEG信号特征提取领域中广泛使用的一种方法。受到余弦距离可以扩大不同类别样本之间的距离这一事实的启发,本文提出了欧拉CSP(Euler common spatial patterns,e-CSP)用于脑电信号的特征提取,然后将提取的特征用于脑电分类。e-CSP本质上是融合欧拉表示的CSP。它主要包括以下两个步骤:每个样本值首先通过使用欧拉表示映射到一个复数的空间,然后在欧拉空间中构建经典的CSP方法。因此,e-CSP相当于将欧拉表示作为核函数应用于CSP的输入。它在计算上与CSP一样简单,但是它能够从EEG信号中提取了更多的鉴别性特征,从而提高识别的准确率。本文对此进行了大量的实验,实验结果也证明了e-CSP的识别能力。欧拉共同空间模式从距离度量的角度优化了CSP方法,对于CSP的目标函数而言,协方差矩阵的计算是十分关键的步骤,这是本文考虑的另一个优化角度。跨频耦合(Cross-frequency coupling,CFC)表示不同频段之间的相互作用,比单一频段更能控制复杂的大脑网络,为脑电信号的研究提供了一个新的思路。本文应用振幅-振幅耦合(Amplitude–amplitude coupling,AAC)的方式来重新表述e-CSP中的协方差矩阵;由此,提出了基于AAC修饰的e-CSP,称为CFC-e CSP。通过所提出的方法,提取的特征更加细致化,在后续任务识别上更具优势。所提出的方法在Cho数据集上得到了验证,实验结果说明了所提方法的鉴别能力。为了进一步地提升方法的性能,本文受到了微状态分析理论的启发,提出基于微状态的动态空间模式的构建。在这一章中研究了基于运动想象的微状态的分析,基于分析结果分别开展了各个微状态标签下的分类实验。实验是基于Cho数据集进行的,实验结果表明,在微状态的框架下,CFC-e CSP方法提取了更有利于运动想象任务识别的空间模式,分类准确率有所提升。本文主要基于欧拉表示与跨频耦合两个方面对CSP算法进行改进,在BCI竞赛的公开数据集以及Cho数据集上对三种方法都做了验证,算法的分类准确率得到了提升。本文从信号的特性出发,考虑了与运动想象任务的相关性,在对CSP算法优化进行深入研究的同时,也使得方法提取的特征更加细致化,更具识别性。

关键词：脑电运动想象共同空间模式跨频耦合欧拉表示

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全局-局部欧拉弹性判别投影的旋转机械故障诊断方法

引用

振动与冲击 2023年第11期42卷 65-74页

作者：苏树智张茂岩方贤进朱彦敏安徽理工大学计算机科学与工程学院安徽淮南232001 合肥综合性国家科学中心人工智能研究院合肥230031 安徽理工大学机械工程学院安徽淮南232001

故障诊断方法通常对异常值敏感,并且难以同时提取全局和局部判别信息,从而导致低维判别特征子集类间分离性不佳,针对该问题提出了一种基于全局-局部欧拉弹性判别投影(global-local euler elastic discriminant projection,GLEEDP)的旋... 详细信息

故障诊断方法通常对异常值敏感,并且难以同时提取全局和局部判别信息,从而导致低维判别特征子集类间分离性不佳,针对该问题提出了一种基于全局-局部欧拉弹性判别投影(global-local euler elastic discriminant projection,GLEEDP)的旋转机械故障诊断方法。该方法通过余弦度量将高维故障特征映射到欧拉表示空间,扩大异类故障样本间的差异,然后在该空间中构建了基于全局、局部及类间散布三个目标函数的最优化模型,实现了在保持整体结构的基础上,进一步提高低维判别特征子集的局部类内聚集性和全局类间分离性。在轴承和齿轮箱两个机械故障数据集上的试验结果表明,所提方法可以有效发掘故障判别信息,具有优越的故障诊断性能。

关键词：余弦度量欧拉表示维数约简故障诊断

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于局部保持投影的混沌时间序列降噪方法研究

引用

热力发电 2022年第7期51卷 95-102页

作者：陈宁何新吴智群西安热工研究院有限公司陕西西安710054

火电厂分散控制系统(DCS)监测数据中往往夹杂着大量各类噪声信号,复杂工况的影响使得监测数据时间序列具有混沌特性。为满足后续数据应用时对其准确性和有效性的需求,需要对原始采集数据做降噪处理。混沌时间序列通常在相空间中处理,结... 详细信息

火电厂分散控制系统(DCS)监测数据中往往夹杂着大量各类噪声信号,复杂工况的影响使得监测数据时间序列具有混沌特性。为满足后续数据应用时对其准确性和有效性的需求,需要对原始采集数据做降噪处理。混沌时间序列通常在相空间中处理,结合流形学习策略进行降维,使得位于高维空间中的噪声信号被剔除,仅保留低维空间上的有用信号,达到降噪目的。在改进局部保持投影基础上,采用余弦距离推导欧拉表示代替欧氏距离,并在投影时加入正交条件,旨在保留原始数据流中的非线性特性并解决邻域内投影过密集问题。对该算法进行仿真并在磨煤机状态监测数据清洗中进行应用,结果表明:相较于小波降噪及局部保持投影,该降噪方法能较好地修复相空间整体流形结构,使其更清晰平整光滑,在过滤掉高频噪声的同时更多地保留有用信号及其非线性特性;用该算法做数据清洗使得预测模型准确性更高,运算速度更快。

关键词：相空间重构局部保持投影正交投影欧拉表示降噪

来源：

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于全局和局部特征提取的旋转机械故障诊断算法研究

基于全局和局部特征提取的旋转机械故障诊断算法研究

引用

作者：张茂岩安徽理工大学

学位级别：硕士

旋转机械内部轴承和齿轮等核心部件极易损坏,为确保设备能够正常运行并防止重大事故的发生,对其进行有效的故障诊断和状态监测具有重要意义。通常从机械设备采集的振动信号包含能够反映其运行状态的重要信息,然而原始数据中存在大量的... 详细信息

旋转机械内部轴承和齿轮等核心部件极易损坏,为确保设备能够正常运行并防止重大事故的发生,对其进行有效的故障诊断和状态监测具有重要意义。通常从机械设备采集的振动信号包含能够反映其运行状态的重要信息,然而原始数据中存在大量的冗余信息和噪声,导致故障诊断系统的性能不佳,为此,需要一种有效的方法从高维故障数据中提取有价值的判别信息。基于上述问题,本文以故障数据的特征提取算法为具体研究对象,以提高故障诊断的精度为目标开展研究与探讨。本文的主要工作有以下几点:(1)故障诊断方法通常对异常值敏感,并且难以同时提取全局和局部判别信息,从而导致低维判别特征子集类间分离性不佳,针对该问题提出了一种基于全局-局部欧拉弹性判别投影的旋转机械故障诊断方法。该方法通过余弦度量将高维故障特征映射到欧拉表示空间,扩大异类故障样本间的差异,然后在该空间中构建了基于全局、局部及类间散布三个目标函数的最优化模型,实现了在保持整体结构的基础上,进一步提高低维判别特征子集的局部类内聚集性和全局类间分离性。在轴承和齿轮箱两个机械故障数据集上的实验结果表明,所提方法可以有效发掘故障判别信息,具有优越的故障诊断性能。(2)针对于欧拉故障数据的全局和局部鉴别信息捕获不全面且难以平衡的问题,提出了一种基于欧拉表示的结构平衡判别投影算法。首先,将高维故障特征映射到欧拉表示空间。然后,在这个空间中构建结合了四个带有不同结构和类信息的目标函数的统一目标模型。最后,给出了一种用于优化算法统一目标模型的自适应平衡策略,实现了投影子空间中全局和局部特征之间的弹性平衡。该算法的诊断性能通过两个机械故障案例进行了分析和验证,实验结果表明该算法能够捕捉到有效的故障判别特征。(3)针对于子空间学习算法难以获取和平衡故障数据的自适应全局和局部固有图结构信息的问题,提出了一种新的基于图平衡判别投影的弹性子空间诊断算法。该算法通过样本间协同表示和监督信息构建了自适应全局几何图和自适应局部几何图,并进一步给出了构建弹性子空间学习优化模型的图平衡策略。该算法在捕捉故障数据固有判别结构的基础上,提高了弹性子空间的类内聚集性和类间可分性,实现了对应于全局和局部信息权重的自动学习。在两个不同实验案例上的结果表明,所提算法具有较强的鲁棒性,可以提取出更具鉴别力的低维敏感特征,提高故障诊断的精度。图[38]表[9]参[75]

关键词：故障诊断维数约减特征提取欧拉表示参数自适应

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：