亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

振動信號特征參數(shù)識別方法

文檔序號:6524035閱讀:2395來源:國知局
振動信號特征參數(shù)識別方法
【專利摘要】本發(fā)明公開了一種振動信號特征參數(shù)識別方法,將樣本集劃分為訓(xùn)練樣本集和測試樣本集,并使用測試樣本集對已進(jìn)行權(quán)值優(yōu)化的RBF人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;使用訓(xùn)練收斂的網(wǎng)絡(luò)對測試集中的樣本進(jìn)行識別。保證了訓(xùn)練樣本選取的隨機(jī)性,又保證了訓(xùn)練樣本在全體樣本中的分散性,符合統(tǒng)計學(xué)原理的試驗樣本選取方法,同時保證了測試結(jié)果與樣本集劃分方法之間的獨(dú)立性。達(dá)到了提高信號特征參數(shù)識別準(zhǔn)確性的目的。
【專利說明】振動信號特征參數(shù)識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及安防信號處理領(lǐng)域,具體地,涉及一種振動信號特征參數(shù)識別方法。
【背景技術(shù)】
[0002]目前,人工神經(jīng)網(wǎng)絡(luò)對非線性映射具有出色的表達(dá)能力,1985年,Powell構(gòu)造了多變量插值的RBF函數(shù),1988年,Broomhead和Lowe將插值計算演繹為神經(jīng)計算,將RBF應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)設(shè)計,構(gòu)造了 RBF函數(shù)網(wǎng)絡(luò)。RBF網(wǎng)絡(luò)是一種三層前向神經(jīng)網(wǎng)絡(luò),隱層激活函數(shù)為徑向?qū)ΨQ核函數(shù)。輸入樣本傳播到隱單元空間時,這組核函數(shù)構(gòu)成了輸入樣本的
一組“基”。
[0003]RBF網(wǎng)絡(luò)結(jié)構(gòu)見附圖1。左端為輸入層,完成將特征向量X引入網(wǎng)絡(luò)。中間為隱含層,它與輸入層完全連接,權(quán)值為1,其作用相當(dāng)于對輸入模式進(jìn)行一次變換,將低維的模式輸入數(shù)據(jù)變換到高維空間內(nèi),以利于輸出層進(jìn)行分類識別。隱層結(jié)點(diǎn)選取基函數(shù)作為轉(zhuǎn)移函數(shù),廣泛使用的是高斯函數(shù):
[0004]Φ?(χ) = exp (- X-Ci | |2/2 σ /),i = 1,2,…,ρ
[0005]式中χ是η維輸入向量;Ci是第j個基函數(shù)的中心,與χ具有相同維數(shù)的向量;σ i是第i個感知的變量,它決定了該基函數(shù)圍繞中心點(diǎn)的寬度;p是隱含層節(jié)點(diǎn)數(shù)。I Ix-CiI是向量X-Ci的范數(shù),它表示X與Ci之間的距離;高斯函數(shù)在Ci處有一個唯一的最大值,隨著I Ix-CiI I的增大,函數(shù)逐漸衰減到零。
[0006]在現(xiàn)有的振動信號特征參數(shù)識別方法中,通常直接人為地將振動信號樣本劃分為兩組,一組用于網(wǎng)絡(luò)訓(xùn)練,另一組用于網(wǎng)絡(luò)測試。這種劃分方法不能保證樣本集劃分的隨機(jī)性,使得測試結(jié)果與樣本集劃分方法之間的獨(dú)立性不能得到保證。從而造成現(xiàn)有的信號特征參數(shù)識別的精確性不夠高。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的在于,針對上述問題,提出一種振動信號特征參數(shù)識別方法,以實現(xiàn)提高信號特征參數(shù)識別準(zhǔn)確性的優(yōu)點(diǎn)。
[0008]為實現(xiàn)上述目的,本發(fā)明采用的技術(shù)方案是:
[0009]一種振動信號特征參數(shù)識別方法,包括以下步驟:
[0010]步驟一、在振動信號樣本集中隨機(jī)選取一個樣本作為當(dāng)前樣本點(diǎn),并且將此樣本放入訓(xùn)練集中;
[0011]步驟二、以上述當(dāng)前樣本點(diǎn)為中心,以r為半徑做一個超球;
[0012]步驟三、將上述超球覆蓋的上述振動信號樣本集中的樣本點(diǎn),不包括球心樣本點(diǎn),放入測試集中;
[0013]步驟四、在上述步驟三中振動信號樣本集中剩余的樣本中再隨機(jī)選取一個樣本點(diǎn)作為當(dāng)前樣本點(diǎn),放入訓(xùn)練集中;
[0014]步驟五、重復(fù)步驟二至步驟四,直至訓(xùn)練集中的樣本數(shù)目首次超過樣本集中樣本數(shù)目的設(shè)定百分比,則樣本集劃分結(jié)束;如果訓(xùn)練集中的樣本數(shù)沒有達(dá)到樣本集數(shù)目設(shè)定百分比時樣本集中已經(jīng)沒有樣本點(diǎn),則減小上述超球半徑r,重復(fù)步驟驟二至步驟四,直至滿足條件;
[0015]步驟六、對上述步驟五完成劃分的測試樣本集歸一化;
[0016]步驟七、計算步驟一中振動信號樣本集所有樣本的平均值,即中心向量,然后計算每個向量與中心向量的歐氏距離,標(biāo)記出最大距離;
[0017]步驟八、構(gòu)建以上述中心向量為中心點(diǎn)的多維正態(tài)分布,然后在上述步驟七中標(biāo)記的最大距離范圍內(nèi)選取隨機(jī)數(shù),作為RBF人工神經(jīng)網(wǎng)絡(luò)的初始權(quán)值;
[0018]步驟九、使用上述步驟六歸一化后的測試樣本集對已進(jìn)行權(quán)值優(yōu)化的RBF人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;
[0019]步驟十、使用訓(xùn)練收斂的網(wǎng)絡(luò)對上述步驟六歸一化后的測試樣本集進(jìn)行識別。
[0020]根據(jù)本發(fā)明的優(yōu)選實施例,上述步驟六中對測試樣本集歸一化;得到的測試樣本
【權(quán)利要求】
1.一種振動信號特征參數(shù)識別方法,其特征在于,包括以下步驟: 步驟一、在振動信號樣本集中隨機(jī)選取一個樣本作為當(dāng)前樣本點(diǎn),并且將此樣本放入訓(xùn)練集中; 步驟二、以上述當(dāng)前樣本點(diǎn)為中心,以r為半徑做一個超球; 步驟三、將上述超球覆蓋的上述振動信號樣本集中的樣本點(diǎn),不包括球心樣本點(diǎn),放入測試集中; 步驟四、在上述步驟三中振動信號樣本集中剩余的樣本中再隨機(jī)選取一個樣本點(diǎn)作為當(dāng)前樣本點(diǎn),放入訓(xùn)練集中; 步驟五、重復(fù)步驟二至步驟四,直至訓(xùn)練集中的樣本數(shù)目首次超過樣本集中樣本數(shù)目的設(shè)定百分比,則樣本集劃分結(jié)束;如果訓(xùn)練集中的樣本數(shù)沒有達(dá)到樣本集數(shù)目設(shè)定百分比時樣本集中已經(jīng)沒有樣本點(diǎn),則減小上述超球半徑r,重復(fù)步驟驟二至步驟四,直至滿足條件; 步驟六、對上述步驟五完成劃分的測試樣本集歸一化; 步驟七、計算步驟一中振動信號樣本集所有樣本的平均值,即中心向量,然后計算每個向量與中心向量的歐氏距離,標(biāo)記出最大距離; 步驟八、構(gòu)建以上述中心向量為中心點(diǎn)的多維正態(tài)分布,然后在上述步驟七中標(biāo)記的最大距離范圍內(nèi)選取隨機(jī)數(shù),作為RBF人工神經(jīng)網(wǎng)絡(luò)的初始權(quán)值; 步驟九、使用上述步驟六歸一化后的測試樣本集對已進(jìn)行權(quán)值優(yōu)化的RBF人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練; 步驟十、使用訓(xùn)練收斂的網(wǎng)絡(luò)對上述步驟六歸一化后的測試樣本集進(jìn)行識別。
2.根據(jù)權(quán)利要求1所述的振動信號特征參數(shù)識別方法,其特征在于,上述步驟六中對測試樣本集歸一化;得到的測試樣本集為
3.根據(jù)權(quán)利要求1或2所述的振動信號特征參數(shù)識別方法,其特征在于,上述步驟一中振動信號樣本集的概率密度分布為:
【文檔編號】G06F17/14GK103729335SQ201310690193
【公開日】2014年4月16日 申請日期:2013年12月16日 優(yōu)先權(quán)日:2013年12月16日
【發(fā)明者】羅廣迪, 莫家慶, 王強(qiáng), 王文偉, 趙峰輝 申請人:新疆美特智能安全工程股份有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1