关联维数的计算及其在大机组故障诊断中的应用

论述了关联维数在大型旋转机械故障诊断中的应用 ,并针对故障诊断的实际情况 ,对关联维数的 G- P算法作了一定的改进 .传统的 G- P算法使用欧几里德范式计算点间距 ,包含了较多的重复运算 ,使用改进的点间距计算公式不仅简单 ,而且可借助于递推公式以节省计算时间 ;引入最小动态关联时间以便消除流数据的动态关联特性 ;建议采用局部斜率曲线以判断标度区间的范围 .对数据长度和噪声干扰对于关联维数计算结果的影响进行了仿真分析 .研究结果表明 :由于不同故障的动力学产生机制不同 ,通常也具有不同的关联维数 ,故关联维数可用于故障的特征提取     

基于分形关联维的汽轮机转子的振动故障诊断

采用Bently实验台模拟不同转速下碰摩、松动、不对中、不平衡几种常见汽轮机转子振动故障,进行实验研究．通过相空间重构理论,对满足随机分形统计自相似性的振动信号序列进行相空间重构,计算其分形关联维数,从而再现动力学特性．实验分析结果表明：碰摩故障时的分形关联维数最大,松动和不对中时的分形关联维数次之,不平衡时计算所得的分形关联维数最小;不同故障类型下的分形关联维数增量不同．因此,分形关联维数可以作为一种振动故障征兆加以提取．     

关联维数在汽轮机故障诊断中的应用

在汽轮机轴系典型故障模拟试验的基础上,对故障信号的关联维数进行了计算研究.采用G-P算法分别计算了故障信号的时域波形及小波高频重构波形的关联维数,采用自相关函数法确定延迟时间.计算结果表明,对原始信号进行高频重构后再计算关联维数,可以达到突出故障信息,增大关联维数对故障的区分度的目的,此关联维数可以作为汽轮机故障诊断的定量指标.     

一种基于小波包变换的关联维数计算方法

为了方便、快速和有效地从时间序列信号中提取关联维数,提出了一种利用非线性时间序列的小波包变换模数代替混沌信号本身,在m维相空间中计算其关联维数的方法.用具体实例进行了仿真验算和噪声分析.结果表明,算法准确、可靠,可以有效克服采样过程中噪声对信号的干扰.     

基于归一化尺度计盒维数的超声波分形特征研究

基于归一化尺度计盒维数方法研究了超声波分形特征．提出了将时间尺度与幅值尺度归一化的计盒维数方法来快速计算超声回波分形维数；在此基础上，对管道中缺陷超声回波的分形维数进行了计算与统计分析，得到了超声回波的分形维数的统计分布规律．研究结果表明，超声回波具有分形标度不变性，计盒维数能够反映超声回波信号波形的复杂程度和不规则程度，这种方法可以在超声自动检测中用来快速判断缺陷的有无．     

关联维估计在舰船辐射噪声特征提取中的应用

为有效利用舰船辐射噪声的混沌特性,提取其混沌特征来对目标进行分类识别,采用了一种集相空间重构技术和关联维数拟合估计为一体的系统的特征提取方案,并成功应用于对舰船辐射噪声的特征提取.首先采用平均互信法和虚假最近邻点比例确定混沌时间序列相空间重构两个重要参数,给出了关联维数的计算方法,并提出用最小二乘曲线拟合,准确估计出关联维数结果.通过不同类别一定样本数量的实测数据计算它们的关联维特征参数,仿真结果表明该方法提取的特征参量具有很好的可分性,为下一步对舰船目标的分类识别打下基础.     

基于分形理论的吉林省城市体系空间结构特征研究

运用分形理论,对吉林省城市体系空间结构进行了定量分析;通过计算空间聚集维数和空间关联维数,分析了其空间结构特征.在上述分析的基础上对城市体系优化提出了几点建议.     

基于K-LT的高分辨率图像的分块算法

针对卡洛变换(Karhunen-Loeve Transform,K-LT)应用于高分辨率图像处理中,存在计算量大和速度慢的缺点,提出大分块算法和小分块算法以快速实现K-LT。大分块算法通过把图像矩阵均匀分块,得到多个分辨率相同的子图像,再把这些子图像纵方向堆叠形成伪多光谱图像来降低特征空间的维数;小分块算法则把每个子图像像素采用行堆叠或列堆叠的方法来降低特征空间的维数。2种算法都能够使K-LT速度大幅度提升。仿真结果表明:对于分辨率为1 024×1 024的图像矩阵,采用这两种分块K-LT算法所用的时间,分别是传统K-LT算法的1/45和1/48,可以满足实时性处理的要求。     

多变量时间序列复杂系统的相空间重构

根据单变量时间序列相空间重构思想 ,提出了多变量时间序列描述的复杂系统的相空间延迟重构方法 .对每一分量的时间序列 ,分别利用互信息最小法确定最佳延迟时间间隔 ,最小嵌入维数的选取方法是单变量时间序列情况下虚假邻点法的推广 .给出了q阶广义关联积分和q阶广义关联维数的计算公式 ,并证明了广义关联维数与所用范数无关 .计算了Lorenz系统按前 2个变量进行重构时的最佳延迟时间间隔和最小嵌入维数 .计算结果表明 ,用多变量时间序列重构比用单变量时间序列重构所需的数据长度要短得多且在方法上更有效     

分形维数在齿轮故障诊断中的应用

为了识别齿轮的故障模式,运用分形理论,提出了分段关联维数的计算方法 ,并以分段关联维数为特征量,通过建立状态距离函数,实现了模式识别.该方法 克服了通常只通过计算一段数据的关联维数就进行故障识别的缺点.通过对仿真信号、实测信号的诊断,表明所提出方法 的有效性和实际应用价值.     

用奇怪吸引子理论研究紊流脉动压力特性

通过奇怪吸引子理论研究,提出在“重构相空间”中计算紊流脉动压力时间序列的关联维数,得出该关联维数取值随嵌入空间维数的变化规律,证明了高速速紊流脉动压力系统中存在奇怪吸引子,并经计算得出了奇怪吸引子的分数维,该维数即为描述吸引子结构所必须的状态变量的最小数目。     

关于G-P算法计算混沌关联维的讨论

关联维是描述混沌系统的一个重要的特征不变量,而G-P算法是目前计算关联维数的一个主要的算法,但是在使用G-P算法时,由于许多参量的选取存在很大的主观性,不同的选取会得到不同的结果,这个问题以前一直没有得到较好的解决。以具有解析结果Lorenz系统进行实例分析,指出采用G-P算法计算关联维数时,应对相关参数进行慎重和细致的选取,否则得出的结论将缺乏说服力。研究结果表明,不同的范数选取对关联维的计算影响很小、时间序列数据量大小的选取应以能够获得稳定的分数维为准则、重构相空间嵌入维数不能随意指定,但也不是越大越好,对Lorenz系统而言最大取到10较为合适。     

基于相空间重构的神经网络短期风速预测

针对风速具有较强的混沌特性,预测难度较大,提出了一种基于相空间重构的神经网络短期风速预测方法:对数据进行小波降噪,运用互信息法和虚假最近邻点法确定最佳的延迟时间和嵌入维数,对样本空间进行重构,使新的样本能够表征原始时间序列动态特性,更能反映风速变化特性。在此基础上运用BP神经网络进行短期风速预测。实验结果表明短期风速预测精度得到提高。     

基于模式聚合理论的文本特征降维方法及其在文本分类中的应用

根据模式聚合理论提出了一种文本特征降维的新方法.结合动态Kohonen网络理论检验了文本分类效果.在网络训练阶段引入了监督机制,提高了网络的分类速度和精度.应用模式聚合(PA)理论建立文本集的向量空间模型,从分类贡献的角度强化了词条的作用,消减了原词条矩阵中包含的冗余模式,有效地降低了向量空间的维数,提高了文本分类的精度和速度,并通过实验证明了该方法的泛化能力.     

最优家族遗传算法

从种群规模和个体空间的角度分析了影响遗传算子性能的因素，在遗传算法(GA)的基础上设计了一种搜索区域可变、群体规模可变的最优家族遗传算法(OFGA)，该算法提出了在优良解附近构造最优家族，最优解搜索将在这个微型空间中进行，在有限的时间内搜索到更优基因的家族将获得生存的权利．由于每一个家族的搜索区域大幅度减缩，伴随着种群规模的减缩，因此提高了算法的收敛速度，家族个体空间大小不变提高了解的精度．最后，给出了3个典型函数的模拟例子，通过与GA的对比结果看到，OFGA在数量级上提高了收敛速度，使最优解的精度也有很大提高，说明新的算法具有应用的潜力。     

基于混合颜色空间的FCM算法

提出一种基于混合颜色空间的改进的FCM算法。这种算法减少了FCM的迭代次数,可以使模糊聚类的速度得到很大程度的提高,从而实现墙地砖彩色图像的快速分割。     

基于相空间重构和PSO-K-means的球磨机负荷状态识别方法

针对球磨机振动信号具有强随机性、非平稳性和非线性等内在特性导致负荷状态难以识别的问题,提出一种基于相空间重构和PSO-K-means的球磨机负荷状态识别方法。首先,利用改进前后的自相关系数算法对Lorenz与Rossler两种混沌时间序列进行数值模拟,得出延迟时间和嵌入维数精准有效的计算方法;其次,验证出球磨机筒体振动信号具有混沌特性后对其时间序列进行相空间重构,恢复出等价的混沌吸引子;接着,针对3种不同负荷状态下的相空间吸引子进行特征提取,分析了关联维数特征量的变化规律;最后,将关联维数作为特征向量输入PSO-K-means聚类模型中对球磨机负荷状态进行分类与识别。结果表明,PSO-K-means聚类模型在负荷状态识别时有较高的精准性,欠负荷、正常负荷、过负荷下识别精度分别为94.2%、96.3%、94.8%。以上结果证实了该方法能够实现对球磨机负荷状态的有效识别。     

基于三阶累积量的自适应多变量相空间重构

利用三阶累积量反映多变量序列的高阶非线性相关性,建立了一种具有良好抗噪性的多变量相空间重构方法.将三阶累积量引入到序列局部本征维数(LID)的计算中,对不同相空间点构造新的三阶累积量相关矩阵;同时建立累积量切片评价函数,通过比较得到了对噪声及嵌入维数等重构参数变化鲁棒性强的累积量切片,然后确定序列的嵌入维数、嵌入延迟,重构多元变量相空间.仿真结果表明,建立的新方法对带噪声混沌序列具有较好的鲁棒性,多元变量奇异吸引子轨迹在重构相空间中得到了良好扩展.
     

基于分形理论的地震信号空间序列分析

当把地震勘探信号各道间对应于同一时刻的数据序列看作是反映一定范围内地层及其地质参数的复杂函数时,便构成了地震勘探信号的空间序列.建立了地震信号空间序列的分形模型,将根据一维时间序列重建动力学系统的理论和时间序列关联维计算的G.P算法拓展到对地震信号空间序列的研究之中,提出了地震信号空间序列关联维的分析方法.仿真结果表明,利用分形分析结果的地震勘探信号空间序列分数维图,可将信噪比较低的地震勘探信号从强干扰噪声中分辨出来.     

基于相空间重构的Internet业务流量非线性动力学分析

基于相空间重构的概念,即通过测量函数获得的L维时间序列来研究动力系统的动力学行为的方法,研究了TCP-Reno在RED和DropTail机制下的拥塞窗口变化特性,以及TCP和UDP共享链路时的流量特性.利用相空间重构将单一标量时间序列重构为高维相空间,从而进一步研究了高维相空间的混沌等特性.分析结果表明:在一定的实验条件下,拥塞窗口变化值的关联维数为分数,最大Lyapunov指数为正,高维相空间具有混沌特性且其Hurst参数接近于1,此时的空间同时具有严格的二阶自相似性;流量值的关联维数为分数,最大Lyapunov指数为正,该空间亦具有混沌特性.