检索结果-南通市图书馆

小波包-特征熵在高压断路器故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2006年第14期30卷 62-65页

作者：孙来军胡晓光纪延超吕超哈尔滨工业大学电气工程系黑龙江省哈尔滨市150001 北京航空航天大学自动化学院北京市100083

在详细介绍小波包和特征熵的基础上,提出了一种基于振动信号的断路器机械故障诊断新方法。该方法首先在振动信号小波包分解的第3层各节点重构信号,并提取包络;而后利用包络信号的分段能量,计算小波包一特征熵向量;最后将正常状态和待测... 详细信息

在详细介绍小波包和特征熵的基础上,提出了一种基于振动信号的断路器机械故障诊断新方法。该方法首先在振动信号小波包分解的第3层各节点重构信号,并提取包络;而后利用包络信号的分段能量,计算小波包一特征熵向量;最后将正常状态和待测状态下所得向量之间的欧氏距离作为诊断参量。对某少油断路器无负载开断振动信号的分析证实,该方法检测断路器故障简单、准确,能同时在时域和频域检测断路器状态的变化。

关键词：高压断路器故障诊断小波包特征熵

在线全文

学校读者我要写书评

暂无评论

小波包特征熵提取水轮机尾水管动态特性信息

电力系统自动化 2004年第13期18卷 77-79,96页

作者：桂中华韩凤琴张浩华南理工大学电力学院广东省广州市510640 杭州电力设备制造公司浙江省杭州市310004

将小波包多分辨与信息熵相结合,提出了一种故障检测与诊断的方法——小波包特征熵一故障法。首先对采集到的振动信号进行3层小波包分解,在通频范围内得到分布在不同频段内的分解序列,进而建立信号的小波包特征熵向量,选取最能反映故障... 详细信息

将小波包多分辨与信息熵相结合,提出了一种故障检测与诊断的方法——小波包特征熵一故障法。首先对采集到的振动信号进行3层小波包分解,在通频范围内得到分布在不同频段内的分解序列,进而建立信号的小波包特征熵向量,选取最能反映故障特征的参数作为特征参数,进行故障诊断识别。以水轮机尾水管压力脉动信号为例,运用此法进行了尾水管动态特性信息提取。试验表明小波包特征熵法是提取故障信息并进行故障识别的一种行之有效的方法,为流体机械的故障诊断开拓了新的思路。

关键词：水轮发电机尾水管压力脉动小波包特征熵特征提取

在线全文

学校读者我要写书评

暂无评论

局部特征熵的网格非均匀简化算法

计算机应用研究 2016年第12期33卷 3912-3915页

作者：温佩芝黄佳李丽芳朱立坤桂林电子科技大学计算机科学与工程学院广西桂林541004 桂林电子科技大学广西高校图像图形智能处理重点实验室广西桂林541004 桂林电子科技大学继续教育学院广西桂林541004

针对三维模型简化后的精度与效率难以平衡的问题进行研究,提出一种局部特征熵的半边折叠非均匀网格简化算法。采用两次局部区域聚类探测,首先探测三维数据点所在边聚类局部区域,获取该探测区域法向量;其次以三维数据点邻近点区域的重心... 详细信息

针对三维模型简化后的精度与效率难以平衡的问题进行研究,提出一种局部特征熵的半边折叠非均匀网格简化算法。采用两次局部区域聚类探测,首先探测三维数据点所在边聚类局部区域,获取该探测区域法向量;其次以三维数据点邻近点区域的重心约束来探测二次聚类区域法向量。根据信息熵的定义,利用两次探测的法向量间的夹角信息构建局部区域特征熵值作为半边折叠的代价,局部区域特征熵越大表示该区域越趋于平面,应优先简化,否则当保留;最后采用三角形内角判断方法来保留简化后网格中三角形的正则度,以减小变形引起的误差。实验结果表明,本算法在三维模型分均匀简化中,在局部细节特性精度和时间效率上能达到较优的平衡。

关键词：聚类网格简化法向量特征熵非均匀半边折叠

基于类别分布差异和特征熵的维吾尔语文本特征选择

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2013年第10期30卷 2958-2961页

作者：阿力木江.艾沙吐尔根.依布拉音库尔班.吾布力瓦依提.阿不力孜艾山.吾买尔新疆大学现代教育技术中心乌鲁木齐830046 新疆大学信息科学与工程学院乌鲁木齐830046

文本特征选择是在文本自动分类中最重要的一个环节。为了更好地解决维吾尔文文本分类中特征空间的高维性和文档表示向量的稀疏性问题,提出一种基于特征的类别分布差异和信息熵的维吾尔文文本特征选择方法。该方法不仅要考虑特征在类别... 详细信息

文本特征选择是在文本自动分类中最重要的一个环节。为了更好地解决维吾尔文文本分类中特征空间的高维性和文档表示向量的稀疏性问题,提出一种基于特征的类别分布差异和信息熵的维吾尔文文本特征选择方法。该方法不仅要考虑特征在类别间的分布情况,而且也要考虑特征在类别内的分布情况。采用本方法对维吾尔文文本语料进行了分类实验,并与一些传统的特征选择方法进行了比较。从结果来看,本方法在所选特征数更少的情况下,达到了比其他方法更高的分类MacroF1值85.3%,比传统的IG和CHI等方法在MacroF1值上分别高出了4.3%和6.1%。

关键词：特征选择文本分类特征熵支持向量机维吾尔语

基于小波包特征熵支持向量机的故障分类方法研究

在线全文

学校读者我要写书评

暂无评论

计算机测量与控制 2010年第9期18卷 1989-1991,1995页

作者：刘泽华高亚奎中航工业第一飞机设计研究院陕西西安710089

提出了一种基于小波包特征熵和支持向量机相结合的故障分类方法,利用小波包分解提取信号的特征熵,然后将得到的特征熵向量输入支持向量机进行故障识别;通过对某型飞机液压系统试验中获取不同的故障特征数据进行分类,结果表明,该方法能... 详细信息

提出了一种基于小波包特征熵和支持向量机相结合的故障分类方法,利用小波包分解提取信号的特征熵,然后将得到的特征熵向量输入支持向量机进行故障识别;通过对某型飞机液压系统试验中获取不同的故障特征数据进行分类,结果表明,该方法能利用较少的故障特征得到较高的诊断精度,与BP神经网络相比,采用支持向量机进行故障分类可以获得更高的识别率,表明该方法是有效、可行的。

关键词：小波包分解特征熵支持向量机故障分类

在线全文

学校读者我要写书评

暂无评论

小波包特征熵分解的图像水印算法

计算机工程与应用 2009年第32期45卷 159-160,185页

作者：欧阳春娟刘昌鑫杨群生井冈山大学信息科学与传媒学院江西吉安343009 广东工业大学计算机学院广州510090

提出了一种小波包特征熵分解的自适应图像水印算法。该算法通过对宿主图像进行小波包特征熵分解,在高频系数中选取合适的阈值来区分高频系数中图像的纹理细节信息和噪声信息,将水印信息自适应地嵌入到高频系数当中。实验表明,该水印算... 详细信息

提出了一种小波包特征熵分解的自适应图像水印算法。该算法通过对宿主图像进行小波包特征熵分解,在高频系数中选取合适的阈值来区分高频系数中图像的纹理细节信息和噪声信息,将水印信息自适应地嵌入到高频系数当中。实验表明,该水印算法对噪声、JPEG2000压缩、滤波、改变对比度、几何剪切等攻击都具有一定的健壮性。

关键词：小波包变换特征熵自适应水印

在线全文

学校读者我要写书评

暂无评论

基于特征熵的异常流识别技术

计算机科学 2012年第12期39卷 38-41,69页

作者：许倩程东年张建辉程国振国家数字交换系统工程技术研究中心郑州450002

多数识别技术通过建立流特征的正常模型来识别偏离的流,但流特征有较强的可变性,建立这样精微的模型非常困难。异常的发生通常会引起流量地址或端口在分布上的变化,分布的分散或集中程度可用特征熵来衡量。因此提出基于特征熵的异常流... 详细信息

多数识别技术通过建立流特征的正常模型来识别偏离的流,但流特征有较强的可变性,建立这样精微的模型非常困难。异常的发生通常会引起流量地址或端口在分布上的变化,分布的分散或集中程度可用特征熵来衡量。因此提出基于特征熵的异常流识别技术(Entropy of Characteristics based Anomaly Traffic Identification,ECATI),即利用特征熵依据流量特征参数的分布变化检测异常,通过分析异常间隔的流量迭代地排除类似正常的流,从而识别根源流。经过手动标记和人工注入异常的仿真实验证实,所提算法能精确地识别出异常流,在平均识别率89.5%的情况下几乎没有丢失流。识别算法能精确地诊断网络扫描、DDoS攻击和链路失败等多种异常类型。

关键词：特征熵指数平滑法分割缩减异常流识别

基于小波神经网络和特征熵的高压断路器故障诊断研究

在线全文

学校读者我要写书评

暂无评论

电气应用 2014年第22期33卷 141-145页

作者：戴月武汉交通职业学院

作为电力系统的一种重要设备,高压断路器的故障诊断一直是研究中的重点。针对传统神经网络收敛速度慢,容易陷入局部极小等不足,提出了一种基于小波神经网络的高压断路器故障诊断方法。首先利用特征熵方法提取振动信号的特征值,然后利用... 详细信息

作为电力系统的一种重要设备,高压断路器的故障诊断一直是研究中的重点。针对传统神经网络收敛速度慢,容易陷入局部极小等不足,提出了一种基于小波神经网络的高压断路器故障诊断方法。首先利用特征熵方法提取振动信号的特征值,然后利用小波神经网络进行分类识别。同时还给出了一种小波神经网络的改进方法,提高了其收敛速度。实验结果表明,相比较于传统神经网络,改进的小波神经网络训练速度更快,分类准确率更高,对于高压断路器的故障诊断效果更佳。

关键词：小波神经网络特征熵高压断路器故障诊断

基于MEEMD-KF和SVM优化模型的管道泄漏检测研究

在线全文

学校读者我要写书评

暂无评论

基于MEEMD-KF和SVM优化模型的管道泄漏检测研究

作者：周兴达东北石油大学

学位级别：硕士

由于管道运输在各行业中的普遍应用,因此对管道信号的安全性进行检测研究尤其重要。本文利用管道泄漏检测实验平台采集到的三类管道工况信号进行研究分析,提出了一种使用改进的总体平均经验模态分解算法结合卡尔曼滤波算法的管道信号去... 详细信息

由于管道运输在各行业中的普遍应用,因此对管道信号的安全性进行检测研究尤其重要。本文利用管道泄漏检测实验平台采集到的三类管道工况信号进行研究分析,提出了一种使用改进的总体平均经验模态分解算法结合卡尔曼滤波算法的管道信号去噪模型。为进一步验证算法的有效性,本文采用散布熵结合模糊熵的特征提取法来构造管道信号的特征向量,最后利用POA对SVM中的惩罚因子和核函数参数进行寻优,并将特征向量输入到该模型中进行管道工况识别。对于管道的去噪预处理,本文对各种自适应分解算法及其改进算法进行原理研究,主要研究了改进的总体平均经验模态分解算法和卡尔曼滤波原理,建立针对管道信号的MEEMD-KF的去噪模型,该模型中通过分量的排列熵值对各分量进行判断和筛选处理,对其中的噪声主导分量进行标量卡尔曼滤波并与正常分量进行信号重构,从而实现对信号的去噪处理,通过仿真实验表明本文提出的算法的有效性,并通过与其他算法的对比表明该去噪算法的优越性,利用在管道泄漏检测实验平台上采集的管道信号进行验证,其结果表明该算法用于管道信号去噪效果较好,性能较为稳定。对于管道信号的特征提取,由于管道微小泄漏信号的特征不易提取,本文提出了基于散布熵和模糊熵的管道特征提取法,通过对该算法的研究发现该特征熵能够有效表征管道信号特征,通过对管道三类工况信号使用MEEMD-KF算法的去噪处理后,计算其散布熵和模糊熵并以此构建特征向量发现三类工况信号熵值的区分度较明显,说明散布熵结合模糊熵的特征提取法在处理管道信号中是有效的。为再次验证本文提出算法的有效性,以管道的工况分类识别为目的,通过对支持向量机的原理研究,采用鹈鹕优化算法对SVM中的惩罚因子和核函数参数进行寻优,将提取的特征送入该模型中并通过训练得到新的POA-SVM模型,解决了传统SVM中参数寻优时间过长和精度低等问题,通过实验对比,证明了利用POA优化SVM模型进行管道工况识别可以进一步提升识别模型的效率和检测精度。

关键词：管道泄漏检测 MEEMD 卡尔曼滤波特征熵鹈鹕优化算法