随机子空间

摘要： 针对许多多示例算法都对正包中的示例情况做出假设的问题,提出了结合模糊聚类的多示例集成算法(ISFC)。结合模糊聚类和多示例学习中负包的特点,提出了“正得分”的概念,用于衡量示例标签为正的可能性,降低了多示例学习中示例标签的歧义性;考虑到多示例学习中将负示例分类错误的代价更大,设计了一种包的代表示例选择策略,选出的代表示例作为基分类器的训练子集;结合各基分类器的结果,确定包的最终标签。ISFC算法对正包中正示例的比例未做任何假设,同时能够解决正包数量多、负包数量少情况下的类别不平衡问题。实验结果表明,ISFC在药物分子活性预测、图像分类、文本分类任务上都取得了较好的分类效果。

摘要： 由于多源异构数据集通常存在于多领域中,其特性导致数据的可利用率较低。为保证对各类数据的利用效果,研究基于随机森林的频繁项集智能挖掘算法。依据频繁项集特征,采用改进FP-tree算法挖掘频繁项集后,利用随机森林算法完成频繁项集分类;通过选取高精度子森林、聚类选择多样性子森林优化随机森林算法,改善随机森林算法运算时内存占用过大的问题,提升算法分类精度,实现频繁项集智能挖掘。测试结果表明,所提算法具备多样性、可在平均误差较低的情况下完成频繁项集挖掘,在最佳的FP-tree树数量和类别数量下,聚类正确率较高,整体挖掘误差较低,能够提升频繁项集的挖掘和分类效果。

摘要： 为了减少热辊轴承损坏造成化纤设备故障,提出一种基于振动信号的热辊运行监测方法,对热辊轴承寿命状况及受损状况进行监测;通过振动传感器定期采集热辊的振动信号,采用随机子空间方法对振动信号进行计算,并提取计算结果中对应的振动频率和振动加速度幅值参数,对热辊的运行状态进行判断。指出:随机子空间法能够比较准确地计算出热辊总体振动中各振动分量的频率,但振动分量较多时计算精度会下降;对比多阶计算结果,能够去除非稳定频率,提高频率和振动加速度的计算精度;当两阶振动频率接近时,计算振动加速度与傅里叶变换后的频谱幅值存在较大误差;取随机子空间方法计算振动加速度幅值的130%弥补计算结果误差,判断结果为部分试验样本的振动偏大,但符合试验样本未做整机平衡的情况,说明该振动监测方法有效。

摘要： 半监督聚类集成旨在利用成对约束提升聚类集成的精度,但在高维空间的聚类效果却显著降低,另外,当只有少量的成对约束可以利用时,聚类性能很难提升.针对这些问题,提出一种新颖的半监督聚类集成算法WSCEC(Weighted Semi-supervised Clustering Ensemble Algorithm Based on Extended Constraint Projection).首先,利用多种聚类算法对数据的特征空间进行聚类,再使用随机子空间进行降维,以减少冗余特征的影响;其次,根据每对约束的k个最近或最远的样本以及约束间的传递关系来扩展原有的约束集,通过约束投影技术将原始数据空间投影到低维空间以满足尽可能多的约束;最后,设计了一个聚类解的加权策略,为每一个聚类解分配一个适当的权重以降低低质量聚类解的影响.在多个数据集上的实验结果证明了提出算法的有效性.

摘要： 对工程结构进行环境激励下的模态参数识别具有重要意义,而随机子空间法作为适合环境激励下模态参数识别的时域方法,由于噪声和复杂激励的原因,会产生虚假模态、真实模态遗漏、系统自动定阶难和计算效率等问题,这些问题阻碍了该方法在实际工程中的广泛应用.本文提出了基于Welch法的随机子空间方法,通过Welch法对振动响应在频域进行去噪、降低环境激励和其他不确定性因素影响的处理,把结构固有模态从噪声和激励频率中突显出来,形成富含更多结构模态的Toeplitz矩阵,然后进行奇异值分解和状态矩阵计算,最后进行特征值分析.为了实现自动定阶,对不同奇异值分量构建的状态矩阵得到的特征参数,进行模糊C均值聚类分析和模态的平均相位偏移分析,剔除虚假模态,实现结构模态参数的自动识别.并把本文所提出方法应用于一座大跨悬索桥的实测加速度响应分析,和一座七十层的高层建筑的加速度响应分析,跟频域分解法、传统随机子空间法和基于相关分析的随机子空间法的计算结果进行了比较,发现基于Welch方法的随机子空间法相比于传统随机子空间法和基于相关分析的随机子空间法,在避免模态遗漏和计算效率方面有显著提高,而相对于频域分解法则在自动识别和剔除虚假模态方面有明显优势.

摘要： 光伏大量并网给电网带来大量谐波谐振问题。针对光伏变流器产生的谐振问题,建立了包含光伏变流器和电网等值阻抗的联合模型。推导了含有光伏变流器阻抗和电网阻抗的s域模型,应用反拉普拉斯变换得到的光伏输出电流不仅含有电压频率分量,还含有光伏阻抗的谐振分量。应用随机子空间方法分析光伏并网点和电流含有的模态分量,对照两者模态的区别,提取出光伏变流器阻抗模态。最后,通过仿真和实测数据分析验证了该方法的有效性。

摘要： 藏式古城墙具有很高的历史文化价值,但历经数百年风雨侵蚀后,普遍存在较严重的病害,影响其安全性能.为获取藏式古城墙的动力特性,进而为藏式古建筑性能的精准评估提供重要依据,采用环境激励法对某藏式古城墙进行现场动力测试.基于环境激励数据,利用协方差驱动的随机子空间法进行模态参数识别.通过一经典算例验证该方法识别模态参数的精度.同时结合随机减量技术及协方差随机子空间方法,得到城墙平面外振动的频率、振型与阻尼比.最后,考虑阻尼比机理复杂、识别误差较大的问题,基于卡美罗下界(Cramer-Rao lower bound)对城墙阻尼比进行进一步精确估计,从而得到变异性更小的阻尼比识别结果.以E段城墙为例,卡美罗下界法比基于随机减量技术的随机子空间法、节约时域法识别阻尼比的离散性更小,变异系数分别从0.273、0.290减小到0.046.

摘要： 针对扩展隔离林(EIF)算法时间开销过大的问题,提出了一种基于随机子空间的扩展隔离林(RS-EIF)算法.首先,在原数据空间确定多个随机子空间;然后,在不同的随机子空间中通过计算每个节点的截距向量与斜率来构建扩展孤立树,并将多棵扩展孤立树集成为子空间扩展隔离林;最后,通过计算数据点在扩展隔离林中的平均遍历深度来确定数据点是否异常.在离群值检测数据库(ODDS)中的9个真实数据集与呈多元分布的7个人工数据集上的实验结果表明,所提RS-EIF算法对局部异常很敏感,相较EIF算法减少了约60％的时间开销;在样本数量较多的ODDS数据集上,该算法识别精度高出孤立森林(iForest)算法、轻型在线异常检测(LODA)算法和基于连接函数的异常检测(COPOD)算法2～12个百分点.RS-EIF算法在样本数量大的数据集中识别效率更高.

摘要： 光伏大量并网给电网带来大量谐波谐振问题.针对光伏变流器产生的谐振问题,建立了包含光伏变流器和电网等值阻抗的联合模型.推导了含有光伏变流器阻抗和电网阻抗的s域模型,应用反拉普拉斯变换得到的光伏输出电流不仅含有电压频率分量,还含有光伏阻抗的谐振分量.应用随机子空间方法分析光伏并网点和电流含有的模态分量,对照两者模态的区别,提取出光伏变流器阻抗模态.最后,通过仿真和实测数据分析验证了该方法的有效性.

摘要： 为了解决传统方法难以有效抑制局部放电中周期性窄带干扰的问题,本文提出了一种基于广义S变换和随机子空间的局部放电窄带干扰抑制方法.该方法首先利用广义S变换将染噪局放信号从时域变换到时频域中,接着利用局放信号和窄带干扰不同的时频特征确定窄带干扰数目和无局放时间片段,最后利用随机子空间算法估计窄带干扰参数,实现染噪局放信号的窄带干扰抑制.仿真和实际测试结果表明:相比于传统的广义S变换模矩阵方法和频率切片小波变换方法,本文所提方法对窄带干扰抑制效果更好,能更好地恢复原始局放波形.

摘要： 近年来，针对环境激励响应进行结构模态参数辨识的方法在国内外的建筑结构检测领域得到了越来越广泛的应用。在采用随机子空间法辨识环境激励下的结构模态参数时,通常借助稳定图方法来确定系统辨识的阶次.但该方法容易遗漏真实模态和引入虚假模态,而且在判定稳定轴时也存在较多人为因素.针对这些问题,本文提出概率直方图结合随机子空间的新方法,对不同阶次模型识别得到的的多组模态参数,根据相似准则进行自动聚类并绘制概率直方图,最终提取大概率的群组聚类结果作为模态参数识别结果.通过一个四层框架的数值算例,阐述了所提方法进行辨识结构模态参数的有效性和抗噪能力.

摘要： 近年来，针对环境激励响应进行结构模态参数辨识的方法在国内外的建筑结构检测领域得到了越来越广泛的应用.在采用随机子空间法辨识环境激励下的结构模态参数时,通常借助稳定图方法来确定系统辨识的阶次.但该方法容易遗漏真实模态和引入虚假模态,而且在判定稳定轴时也存在较多人为因素.针对这些问题,本文提出概率直方图结合随机子空间的新方法,对不同阶次模型识别得到的多组模态参数,根据相似准则进行自动聚类并绘制概率直方图,最终提取大概率的群组聚类结果作为模态参数识别结果.通过一个四层框架的数值算例,阐述了所提方法进行辨识结构模态参数的有效性和抗噪能力.

摘要： 为了得到港口起重机整机结构的模态参数,以便更好的进行起重机的结构设计优化、故障诊断、建立实时健康监测系统.本文提出了一种基于随机子空间与稳定图的方法对在环境激励响应的港口起重机进行模态参数识别,通过稳定图获取模态阶数,有效避免了虚假模态,并通过MATLAB建立三自由度振动仿真模型验证算法的有效性.同时对港口起重机整机的测试提供一种详细的测试方案,在环境激励下的响应信号,采用移动测点法对港机整体结构进行模态测试,运用随机子空间法进行分析,得到起重机整体的前7阶模态频率、阻尼比和振型.结果表明,随机子空间法对于大型港口起重机的模态参数的识别具有良好应用.

摘要： 针对目前高速旋转机械通过建模求解各阶固有频率复杂、困难问题,提出一种基于随机子空间(Stochastic Subspace Identification,SSI)和经验模式分解(Empirical Mode Decomposition,EMD)相结合的系统模态参数识别方法.该方法首先通过对转子系统运行工况下的振动响应进行分段滤波获取各阶模态自由衰减分量,然后引入EMD对处理后的信号进行分解,降低模态混叠及其他信号成分对模态参数识别的影响.其次,以EMD分解后的数据为基础,构建Hankel矩阵,通过SVD分解和卡尔曼状态滤波得到系统的随机状态模型,并对状态矩阵进行特征值分解,从而得到系统的一阶与二阶模态的固有频率.仿真分析和转子实验台的实际测试结果表明,该方法可以有效识别运行工况下转子系统的一、二阶固有频率,为后续系统特性分析和故障辨识提供新的思路.

摘要： 利用基于二阶统计量的盲信号分析原理，提取响应信号中的各个模态分量，并针对环境激励的特点提出一种实时分离的方法。在线监控信号中的各个分量大小，在信号的分量改变得时候利用自适应学习算法改变解混矩阵，进行实时分离。提取模态响应后，利用单模态识别算法识别模态参数，也可以用模态响应重构响应信号，然后利用随机子空间算法给出模态识别结果。

摘要： 广泛应用于天然气传输的2D12往复压缩机,大部分压缩机已运行到机器寿命的中后期,这也是机器常常出现故障的时期,因此针对这一时期的压缩机进行故障诊断不仅能够提高运行的效率,而且也是生产安全的重要保证.气阀故障是压缩机的常见故障,本文采用气阀阀盖的振动信号的局部特征提取信号提取,对提取信号进行模态参数的随机子空间法(SSI)辨识,进而为气阀的故障特征提供灵敏度较高的故障特征参数.

摘要： 随机子空间方法是近年来发展起来的一种线性系统辨识方法,可以有效地从环境激励的结构响应信号中提取结构模态参数.随机子空间识别方法的关键工作是确定系统的阶次,稳定图方法是一种比较新颖的确定系统阶次的方法.但是随机子空间方法容易产生虚假模态.针对于这一缺陷提出了一种随机子空间结合两阶段稳定图识别结构模态参数方法,该方法的基本思想是将在现场采集的结构的输出信号进行分段,将各段信号应用随机子空间结合稳定图进行识别,然后将所有各段识别的模态参数再一次用稳定图方法进行分析,得出结构的模态参数.最后对此方法在一实桥上进行了验证,结果表明该方法具有良好的识别效果.

摘要： 航天器动力学参数的准确获取,是对其进行在轨精确控制的前提条件.尤其对于大型变结构空间站、大型复杂航天器,在轨动力学参数辨识是解决地面动力学特性分析不准确和地面试验验证不充分的有效手段.文章将随机子空间方法应用于航天器在轨动力学参数辨识问题,并编制了在轨动力学参数辨识软件,应用在轨飞行实测数据进行了验证,结果表明,该方法对于航天器在轨动力学参数的准确辨识十分有效.

摘要： 对于大型航天器的太阳能帆板，在自由-自由悬挂条件下，由于结构本身的超低频、大位移和局部模态丰富等特点，常规的激励方式有如下缺点：1、激振器接触式正弦或随机激励，破坏了结构的原始边界条件，带来较大的附加约束，导致模态识别结果置信度降低；2、力锤敲击式脉冲激励，引起局部响应大且衰减较快，导致全局模态不完整而局部模态占优；3、初始条件下的自由振动测量，将导致刚体位移偏大，有效信号时间历程短，难以激起高阶模态，系统稳定性变差等问题。基于上述困难，本文针对大型航天器的太阳能帆板的模态分析试验背景，提出一种非接触式声致振动激励方法，设计并构造了矩形铝板承受扬声器激励的实验模型和参数辨识算法，针对实测响应数据进行了模态分析，并将其与传统激励方式下的模态分析结果进行了对比。且精度很高的模态识别结果。

摘要： 对于大型航天器的太阳能帆板，在自由-自由悬挂条件下，由于结构本身的超低频、大位移和局部模态丰富等特点，常规的激励方式有如下缺点：1、激振器接触式正弦或随机激励，破坏了结构的原始边界条件，带来较大的附加约束，导致模态识别结果置信度降低；2、力锤敲击式脉冲激励，引起局部响应大且衰减较快，导致全局模态不完整而局部模态占优；3、初始条件下的自由振动测量，将导致刚体位移偏大，有效信号时间历程短，难以激起高阶模态，系统稳定性变差等问题。基于上述困难，本文针对大型航天器的太阳能帆板的模态分析试验背景，提出一种非接触式声致振动激励方法，设计并构造了矩形铝板承受扬声器激励的实验模型和参数辨识算法，针对实测响应数据进行了模态分析，并将其与传统激励方式下的模态分析结果进行了对比。且精度很高的模态识别结果。

摘要： 本发明涉及一种基于改进稳定图的空间网格结构省时随机子空间方法，包括先对结构进行自振特性分析，得到结构的有限元分析频率、振型等模态参数，然后采集结构在环境激励下的振动响应信号，利用振动响应信号构造广义Hankel矩阵，把Hankel矩阵的投影转换为其R矩阵的投影变换，然后对投影矩阵进行加权奇异值分解，根据有限元分析频率，设置频率搜索域，利用各测点的实测振型与有限元振型之间的模态置信因子作辅助稳定轴，根据频谱峰值、稳定图和辅助稳定轴综合判断模态参数识别结果。该方法适用于桥梁、高层建筑结构等，尤其适用于模态密集的大型空间网格结构的模态参数识别，改进后的方法计算速度快、可有效避免模态遗漏。

摘要： 本发明公开了一种基于双协方差随机子空间的类噪声数据低频振荡辨识方法，包括步骤：1)采用双协方差的随机子空间处理电力系统类噪声信号，得到两组特征的极点，定义为验证组H1和参考组H2；2)对两组极点的同阶极点进行筛选，得到物理极点，构成稳定图；3)对筛选得到的物理极点进行系统聚类，获得最终的真实模态参数。本发明突破现有识别方法数据量不足以及无法自动定阶的缺点，利用双协方差随机子空间和系统聚类方法，实现高效准确的事前低频振荡参数识别。

摘要： 本发明公开了一种基于随机子空间的非同步采样结构模态参数识别方法，包括：对桥梁结构测点进行非同步采样得到原始加速度响应数据；选取某测点加速度响应数据作为参考信号，其余测点加速度响应数据作为平移信号，通过分析不同时间间隔下的误差函数来确定两测点间实际时间延迟；确定不同平移信号与参考信号间的实际时间延迟后，根据信号的采样频率计算数据删减量，得出数据删减量后对原始加速度响应数据处理得到修正的加速度响应数据；最后将修正的加速度响应数据通过随机子空间法进行桥梁结构的振型模态参数识别。本发明能识别出不同测点间实际时间延迟，从而得到桥梁结构非同步采样数据下的频率模态参数和高精确度振型模态参数。

摘要： 本发明公开了一种基于S型函数随机子空间识别的模型定阶方法，包括如下步骤：根据测得的结构动力响应建立Hankel矩阵；对Hankel矩阵进行矩阵投影计算，得到投影矩阵P；对投影矩阵进行奇异值分解，并将分解得到的奇异值按降序进行排列；对降序排列的奇异值序列进行归一化处理，将奇异值变换到[ε,1‑ε]的闭区间上；在合适的阶次区间上，采用S型函数对归一化奇异值与阶次的关系进行非线性最小二乘拟合；根据拟合得到的S型函数，求得过(n0,0.5)的切线，之后进一步求得选取切线与横轴的交点(n*,0)，则随机子空间的模型阶次N为2·[n*]。本发明能够有效避免模态遗漏现象和模型阶次过估计对模态参数识别的恶劣影响，可应用于各类振动结构的自适应模型定阶，有助于提高随机子空间识别的精度。

摘要： 本发明公开了一种基于随机子空间集成学习的主动脉夹层筛查模型及其建立方法、系统和模型。本发明针对现有传统诊断方法对于主动脉夹层诊断的效率低、误诊率高、漏诊率低、成本高、过程复杂的缺点，提供一种基于随机子空间集成学习的主动脉夹层筛查方法。该方法利用机器学习的RS‑Ensemble算法建立RS模型，利用RS模型进行主动脉夹层的筛查和诊断，大大提高了诊断准确率，同时大大降低了误诊率和漏诊率，实现高效低成本的诊断。

摘要： 本发明涉及一种基于改进稳定图的空间网格结构省时随机子空间方法，包括先对结构进行自振特性分析，得到结构的有限元分析频率、振型等模态参数，然后采集结构在环境激励下的振动响应信号，利用振动响应信号构造广义Hankel矩阵，把Hankel矩阵的投影转换为其R矩阵的投影变换，然后对投影矩阵进行加权奇异值分解，根据有限元分析频率，设置频率搜索域，利用各测点的实测振型与有限元振型之间的模态置信因子作辅助稳定轴，根据频谱峰值、稳定图和辅助稳定轴综合判断模态参数识别结果。该方法适用于桥梁、高层建筑结构等，尤其适用于模态密集的大型空间网格结构的模态参数识别，改进后的方法计算速度快、可有效避免模态遗漏。

摘要： 本发明涉及设备升级技术领域，为一种基于随机子空间模态参数识别的结构健康监测方法，包括：S1，输入结构监测点的时域响应信号，构造Hankel矩阵；S2，计算Toeplitz矩阵，提取对角线元素相等的Toeplitz矩阵T1；S3，对T1进行奇异值分解得到U、Σ和V矩阵；S4，估计动力系统阶数并据此对应提取U1、Σ1和V1矩阵；S5，计算可观矩阵Θi、可控矩阵Ξ、观测矩阵C及系统矩阵A，并求解系统矩阵A的特征值；S6，计算结构模态参数，以此来判断结构健康状态。无需利用贵重激励设备对结构施加人工激励，直接采用车辆、行人、风及其组合灯作用于结构产生的响应进行参数识别，节省了激励设备的携带、安装及调试等费用，也节省了时间和相应工作人员的费用。

摘要： 本发明属于结构振动模态测试领域,涉及一种基于随机子空间算法的结构模态参数识别方法及装置，首先在结构的工作状态监测系统中，通过布设的加速度传感器采集结构的振动信号，采集到结构的振动信号后，对振动信号进行预处理去除噪声干扰，通过对振动信号构成的托普利兹矩阵行列数的调整，以及结合振动信号与模态能量之间的关系，可以减少真实模态的缺失，再由系统矩阵与模态参数关系识别结构的模态参数，通过随机子空间方法，得到模态参数结果，提高模态参数的识别精度，最后，将识别到的结构模态参数与结构固有的模态特征参数进行对比分析，对结构进行有无损伤发生的判断；本发明能够很好地接近结构参数的真实值，具有精确的安全评估能力。

摘要： 本发明公开了一种基于Welch法和协方差随机子空间法的模态参数识别方法，步骤如下：在结构上布置加速度传感器测试得到加速度响应；利用Welch法对加速度信号加窗函数计算功率谱和平均功率谱；对平均功率谱进行逆傅里叶变换得到相关函数；由相关函数构造Toeplitz矩阵和进行奇异值分解，得到可观测矩阵Oi和可控反转矩阵Γi；计算结构状态矩阵A，并进行特征值分解得到模态参数；对模态参数进行模糊C均值聚类分析和平均相位偏移计算，识别结构模态参数。本发明能有效识别出环境激励下结构的真实模态参数，相对于传统随机子空间方法，具有避免模态遗漏和计算效率高的优点；相对于频域分解法在自动识别和剔除虚假模态方面有优势。

摘要： 本发明提供一种基于快速随机子空间的工程结构模态参数识别方法，属于结构模态参数识别领域，包括以下步骤：采集响应，构造过去矩阵和两个将来矩阵，并依次构建两个托普利茨矩阵；对第一个托普利茨矩阵进行随机投影，获得新的矩阵，并进行QR分解，得到酉矩阵；将托普利茨矩阵投影到酉矩阵上，得到小矩阵；对小矩阵做奇异值分解，分别得到U,S,V矩阵，并计算该工程结构的观测、输出和状态矩阵；进行特征值分解，根据特征值分解的结果计算获得模态参数；确定阶次区间，重复进行模态参数的计算，汇总得到各阶次的模态参数。本发明通过对传统托普利茨矩阵进行随机投影和QR分解得到用于代替托普利茨矩阵的小矩阵，减小了奇异值分解的维度，提升了运算效率。