基于數(shù)據(jù)挖掘的振動(dòng)數(shù)據(jù)模式匹配研究.pdf

1、從振動(dòng)數(shù)據(jù)中發(fā)現(xiàn)目標(biāo)的振動(dòng)特性,有利于識(shí)別監(jiān)控環(huán)境中的目標(biāo)和狀態(tài),在安全防御方面有著重要的學(xué)術(shù)價(jià)值和現(xiàn)實(shí)意義。本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用于振動(dòng)數(shù)據(jù)的模式匹配研究,在研究和比較幾種典型分類(lèi)算法的基礎(chǔ)上,探索了振動(dòng)數(shù)據(jù)模式匹配的新方法,并對(duì)振動(dòng)源的振幅能量和距離建立模型,判斷振動(dòng)源的具體位置,同時(shí)開(kāi)發(fā)了相應(yīng)的軟件原型系統(tǒng)。主要研究?jī)?nèi)容如下:
　　針對(duì)振動(dòng)源模式識(shí)別率低的問(wèn)題,提出了基于投影比例的K最近鄰分類(lèi)方法(KNNPS)。該方法引入了

2、投影比例的概念,首先使用獨(dú)立分量分析方法對(duì)信號(hào)進(jìn)行噪聲分離,然后利用連續(xù)屬性離散化方法進(jìn)行降維,最后通過(guò)投影比例度量信號(hào)間的相似度,得到振動(dòng)信號(hào)的模式類(lèi)別。利用正確率、錯(cuò)誤率、檢測(cè)率和模式匹配率來(lái)評(píng)價(jià)KNNPS、K最近鄰(KNN)和樸素貝葉斯算法的性能。實(shí)驗(yàn)結(jié)果表明,KNNPS算法的性能要優(yōu)于KNN和樸素貝葉斯算法。對(duì)分類(lèi)結(jié)果進(jìn)行分析,可以根據(jù)正確分類(lèi)的類(lèi)別個(gè)數(shù)得出振動(dòng)源的數(shù)目,并根據(jù)同一類(lèi)別下振動(dòng)幅值的強(qiáng)弱來(lái)判斷振動(dòng)數(shù)據(jù)的距離屬性。<

3、br>　　針對(duì)利用振動(dòng)幅值的強(qiáng)弱無(wú)法正確估計(jì)振動(dòng)源位置的問(wèn)題,建立了振動(dòng)源振幅能量的衰減模型函數(shù),得到振幅能量和距離的關(guān)系。對(duì)于傳感器采集的振動(dòng)數(shù)據(jù),利用函數(shù)模型來(lái)估計(jì)振動(dòng)源的位置,實(shí)現(xiàn)了利用傳感器對(duì)振動(dòng)源距離的有效估計(jì),并通過(guò)多傳感器對(duì)振動(dòng)源的坐標(biāo)進(jìn)行定位。
　　最后,基于上述研究結(jié)果,將獨(dú)立分量分析方法和分類(lèi)方法應(yīng)用于振動(dòng)數(shù)據(jù)模式匹配系統(tǒng)中。系統(tǒng)模塊包括信號(hào)分離模塊,振動(dòng)源比較模塊,信號(hào)匹配模塊。測(cè)試結(jié)果表明系統(tǒng)運(yùn)行正確,達(dá)到