振动加速度检测中传感器连接状态的自动识别
时间:08-15
来源:互联网
点击:
用四种状态下的前30组数据进行学习。按第1节的方法计算这些数据的原始特征,形成8维的原始特征向量。按第2节的方法分别求出白化变换矩阵B、本征向量U’和本征值Λ’;从式(6)中的最后三个特征值很大可知,降维后的维数应取d=3。降维后的最终学习样本集Y1(3×120矩阵)见图3。由图3可知,四类连接状态的学习样本在降维之后能完全分开。
用四种状态下的后20组数据进行分类测试。首先计算每组数据的8个原始特征,基于学习阶段确定的降维矩阵对每个样本进行降维,这里降为3维;然后,与标准样本——学习样本进行一一比对。结果显示,方法对四种状态下的每个测试样本都能正确分类识别,测试正确率为100%。
4 结论
本文定义了表征振动加速度传感器连接状态的8个特征,并结合基于可分性判据的特征降维和近邻法分类,形成了识别振动加速度传感器四种连接状态(正常连接、松脱、远端导线断开、近端导线断开)的一种方法或者说途径。实验显示所提方法切实有效。相信该方法在结构健康监测、机器状态监测等中大有可为,通过自动识别振动加速度传感器的连接状态,可避免系统调试及使用过程中出现的异常连接数据进入数据库,造成数据污染、增加数据库负担;同时,该方法也可为传感器的检修提供参考。
- 基于多cpu方式的自动识别控制系统(10-23)
- 自动识别启动模式Nand Or Nor(11-22)
- 自动识别技术与食品安全(05-21)
- 利用单片机的捕获功能自动识别铁路RFID标签数据(02-08)
- 基于视觉与超声技术机器人自动识别抓取系统设计(12-29)
- 基于嵌入式Linux的细胞特征提取算法设计(11-19)