面向盾构机实测数据的滑动窗口分层异常值检测及修正方法北大核心CSCD

针对盾构机实测数据中存在的点异常值问题,提出了一种基于滑动窗口的时间序列异常值检测方法。该方法首先通过滑动窗口将原始时间序列分割成多个子时间序列,然后采用快速计算的方式提取子时间序列斜率的置信区间半径并识别异常子时间序列,最后利用局部离群因子(LOF)算法进一步判定异常值。以某城市地铁修建中隧道施工标段的盾构机推力数据为例进行试验,结果表明:该方法能够准确识别异常数据信息,召回率和准确率分别为95%和90.48%。此外,采用回归技术针对剔除后的异常值进行合理填补,填补结果的决定系数大于0.9,满足了工程数据可用性。     

基于滑动窗口的时间序列异常检测方法

针对传统滑动窗口异常检测(anomaly detection for sliding windows)中的子序列特征不能准确反映数据结构特征的问题,采用子序列斜率置信区间的方式进行解决,并提出了基于滑动窗口的时间序列异常检测方法。通过滑动窗口法将时间序列进行初始分割,提取子序列斜率的置信区间距离半径用于异常子序列的识别,并最终通过Gath-Geva聚类算法完成异常值与正常值的划分。仿真数据集检测结果表明,与以方差信息和传统斜率信息的特征提取方式相比,提出方法的查全率分别提升6.9%和46.3%。工程数据的检测实验结果表明,提出的算法能够准确识别异常数据信息,查全率和查重率都达到84%以上,验证了提出方法的工程可用性。     

基于关键帧定位和时空图卷积的异常行为识别

为提高监控视频中行人异常行为检测效率,提出了结合关键帧定位和时空图卷积的异常行为识别方法。该方法在人体骨架关键点检测的基础上,采用关键点运动特性定位视频中行人异常行为关键序列,利用时空图卷积网络可以提取行人时空特征的优点,在关键帧序列上构建人体骨架时空图,同时建立基于瓶颈残差模块的时空图卷积网络行为识别模型,实现对监控视频中行人异常行为的高效识别。采用自建数据集和公开数据集对该方法有效性进行检验,结果表明,该键帧定位算法可高效实现异常行为定位,结合基于瓶颈残差模块时空图卷积网络,在减少时空图卷积网络计算复杂度的同时提升了网络性能,能够有效判断行人异常行为。     

基于时间序列和聚类的挤压机能耗异常检测研究

挤压机能耗数据异常分为点异常和模式异常,传统的异常检测方法往往只能检测出其中一种。基于此,使用一种基于时间序列和聚类的能耗异常检测方法。针对点异常,提出一种基于K-Means和LOF的算法(K-MLS);而对于模式异常,设计K-异常因子(K-MLOF)检测算法。为验证方法的有效性,利用某铝型材企业能耗数据对其进行验证和对比分析,结果表明该方法具有较高的精度。     

轴承尺寸检测数据的异常值检测与数据处理研究

针对轴承尺寸检测系统中检测数据存在异常值和数据波动的问题,对异常值检测的方法和轴承尺寸检测数据的分布特点进行了研究,对异常值的产生与数据波动的原因进行了归纳,提出了一种基于箱型图理论异常值检测与最小二乘多项式拟合相结合的方法。首先,运用箱型图理论对检测数据进行了异常值筛选,再使用检测数据的中位数暂代了异常值;然后,利用最小二乘多项式拟合法对异常值暂代处进行了校正,且通过拟合的方式重新估计了检测数据;最后,通过轴承检测设备对其进行了实验验证。实验结果表明:该方法可以快速、高效地识别轴承尺寸检测数据中的异常值,有效地降低检测数据的波动性,箱型图法异常值识别率为7.5%,高于3σ准则法2.3%;最小二乘多项式拟合法可降低检测数据50%的波动性,显著提高检测结果的准确性。     

大功率电力机车异常运行数据的检测方法研究

为了保障大功率电力机车安全稳定的运行,提出一种基于聚类-规则的异常运行数据检测方法。利用聚类算法对异常运行数据进行聚类,然后根据聚类中心获得异常运行数据的检测规则库,并由此构建检测模型,同时利用BP算法对模型参数进行优化,最终获得准确的异常运行数据检测模型。     

基于半参数均值漂移模型的BDS卫星钟差异常探测与修复

BDS卫星钟在轨运行过程中,由于空间环境干扰及信号异常等情况,获取的钟差数据中经常会包含异常值。为了有效探测与修复异常值,提出了一种基于半参数均值漂移模型的算法处理钟差数据中的异常。首先,考虑到钟差数据中存在的系统误差,构建了更加符合钟差序列实际变化特点的半参数钟差模型;然后在此基础上引入了半参数均值漂移模型,利用Score统计量对该模型的假设检验进行求解,实现了异常值的定位,对异常定位后的钟差数据进行分组,进而推导出了异常值估值的表达式。最后采用国际GNSS监测评估系统的BDS精密钟差产品,进行单天和多天数据的试验分析,结果表明该算法可以自动准确的探测出钟差数据中的异常并能够精确估计出异常值的大小,异常值估值的平均误差小于0.071 ns,从而实现了适时有效地对异常历元进行修复;同时该算法处理钟差数据异常的效果优于传统MAD法,其预处理后的数据对QP钟差模型和Semi-Com钟差模型的拟合精度分别达到0.612 6和0.034 92 ns。     

一种基于TurboEdit改进的GPS周跳探测与修复方法

针对TurboEdit方法的局限性,提出了一种利用TurboEdit改进方法与Legendre多项式检测与修复周跳的新方法。该方法联合利用基于MW组合的BMWA法和考虑电离层残差影响的TECR法来进行周跳检测。在MW组合中采用BMWA方法计算均值代替TurboEdit中利用检测当前历元前全部的数据进行均值计算的方法,大大削弱了观测噪声的影响,并有效提高了算法的实时性;用TECR法取代TurboEdit中的LG组合,有效解决了TurboEdit算法无法应对电离层变化的问题。在检测出周跳后,利用最小二乘Legendre多项式拟合方法解算周跳值进行周跳修复。实验结果表明,该方法能准确探测并修复所有加入的各种模拟周跳,从而有效改善载波相位观测数据质量。     

基于视觉图像的二次曲线特征参数精密测量方法

为了满足视觉检测中对二次曲线参数(圆或椭圆)高精度测量要求,提出了一种基于视觉图像的二次曲线特征参数精密测量方法.该方法利用变结构元广义形态学边缘检测算法对图像中的二次曲线进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,基于Zernike矩边缘检测算法计算出的边缘参数,提出了对二次曲线特征进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的二次曲线亚像素边缘点数据,通过定义的数据点分布优化的参数拟合算法,可以计算出二次曲线的特征参数.实验结果表明:该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现二次曲线特征参数的精密测量.     

基于机器视觉的螺纹在线检测方法

针对汽车制动管螺纹联接零件在线检测需求,提出了一种基于机器视觉的螺纹参数在线检测方法.基于图像矩、仿射变换、双线性插值法对螺纹图像进行倾斜校正,利用中值滤波抑制螺纹边缘区域颗粒化现象.在Canny算法提取的像素边缘基础上,用二次曲线拟合法得到了螺纹图像亚像素边缘,用三次B样条曲线对亚像素边缘进行拟合,根据拟合曲线的曲率检测螺纹角点,最后基于最小二乘法计算出螺纹各尺寸参数.实验结果表明,本文所提出的螺纹检测方法具有效率高、精度高等特点,可以满足在线检测需求.