摘要：针对工业机器人运行数据的非平稳性与信号特征提取困难等问题,提出了一种基于集合经验模态分解与离散小波分解、连续均方误差结合的信号去噪方法,再对去噪信号进行时域特征提取,并使用改进鲸鱼优化算法(IWOA)优化支持向量数据描述(svdd)参数与特征,形成多目标优化异常检测算法。首先对高维度数据进行集合经验模态分解,根据连续均方误差寻找到纯净模态分量与含噪音模态的临界点,使用离散小波对噪音模态去噪进行信号重构后再提取时域特征。然后利用改进鲸鱼优化算法(IWOA)对多模态特征与svdd核参数进行寻优,进而构建异常检测模型。利用该模型对工业机器人运行中的反馈电流,反馈力矩等信号进行异常检测。结果表明该模型能有效的判断出工业机器人的异常情况,精确度能达到97%-99%,相较其他方法精确度能提升4%-5%。

摘要：传统设计方法下的自动监测仪,由于提取的信号特征不显著,导致该仪器的降噪效果不佳,令得出的数据失真,为此基于支持向量数据描述(svdd),设计航空蓄电池状态自动监测仪。该仪器基于svdd方法设置分类超平面,对待处理数据展开超球形描述,结合拉格朗日定理,按照约束条件处理状态信号;利用散点图模拟信号位置,通过主成分分析法提取信号特征;半监督分类特征信号,设置特征子空间控制信噪比;设计放大电路,通过低通滤波二次处理监测信号,实现对航空蓄电池状态的自动监测,至此该自动监测仪设计完毕。实验结果表明,与传统设计方法下的自动监测仪相比,所设计的监测仪降噪能力更强,可见该设备满足当前的航空蓄电池状态监测要求。

摘要：悬浮系统的异常指在中低速磁浮列车的实际运行中,悬浮系统工作状态与期望状态不匹配,但是系统没有发生故障。准确预测悬浮系统的异常有助于合理地分配有限的监控资源、提前安排预防性维护计划、减少计划外维修成本、降低事故率。虽然根据《中低速磁浮交通车辆悬浮控制系统技术条件》(CJ/T 458—2014)可获得基于悬浮间隙的经验阈值,但在工程应用中,该方法受到额定悬浮间隙不唯一和外界扰动的影响,常会产生漏报问题,同时悬浮间隙数据的平衡问题增加了异常检测的难度。因此,本文提出了一种基于超球体高斯分布的悬浮系统异常检测方法。该方法首先利用快速沃尔什变换(Fast Walsh-Hadamard Transform,FWHT)技术提取样本特征,并使特征分布空间近似超球体;然后根据样本特征与球心的欧氏距离确定异常阈值。现场试验数据结果表明,与基于经验阈值、基于主成分分析(Principal Component Analysis,PCA)和基于支持向量数据描述(Support Vector Data Description,svdd)的方法相比,提出的方法在系统异常检测能力方面更具有优越性。

摘要：检测双馈发电机的异常运行状态(主要是那些导致双馈发电机停机的非运行状态)有利于降低维护成本并提高发电收益。提出了一种基于支持向量数据描述(Support Vector Data Description,svdd)和极限学习机(Extreme Learning Machine,ELM)算法的数据驱动方法,以实现对双馈发电机异常运行状态的有效检测。svdd算法用于将不健康状态数据与健康状态分开,构建均衡数据集。ELM算法用于构造分类器,以检测双馈发电机不健康数据中(均衡数据集)的异常运行状态(非运行状态)。基于真实双馈发电机数据构建仿真算例,验证了该方法的有效性;与其他六种检测算法进行了对比,验证了该两阶段模型比其他模型具有更好的检测性能。

摘要：传统的异常检测方式利用模式库的方式收集所有已知的异常模式,对新的数据进行检测,该方法难以检测层出不穷的各种新的异常行为,同时由于异常行为数据难以获取,往往只能得到正常用户的行为信息。本文分析了针对卫星通信网的各种攻击行为和异常情况,利用正常的用户信令序列建立正常用户"轮廓",设计的基于信令序列异常检测模型能够在少量样本的情况下获得较高的检测精度,在仿真平台上验证了该模型具有较高的检测率和较低的虚警率。