多傳感器相關分析方法研究與應用.pdf

1、本文研究多傳感器同步相關分析方法和異步相關滯后步長分析方法，并將其應用于分類主特征選擇及煤礦瓦斯監(jiān)測數據的異常檢測和遺失值估計問題。同時，開發(fā)了基于時間序列數據挖掘的煤礦瓦斯涌出量分析系統(tǒng)。主要研究內容如下： 運用多傳感器相關信息熵的概念，定義了多傳感器相關組合的概念并分析了其性質。在此基礎上提出了一類發(fā)現所有相關傳感器組合的快速算法，即SCC（Super Correlation Combination）算法。該算法能夠高效的找

2、出全部相關組合。 提出了基于粒子群優(yōu)化的異步相關滯后步長分析方法。研究了兩種針對多傳感器系統(tǒng)異步相關最優(yōu)滯后步長分析的適應值函數，分別為基于相關信息熵的適應值函數與基于相關系數的適應值函數。實驗表明提出的方法是有效的。 提出了基于多傳感器相關分析的主特征選擇方法。該方法引入主特征和主特征子集的概念描述被分類對象的關鍵分類特征，并給出了計算被分類對象的主特征和主特征子集的方法。其特點是主特征和主特征子集與所采用的分類器無關

3、。實驗結果顯示：利用數據集的主特征和主特征子集進行數據分類比用數據集的全部屬性進行分類的性能要好。 瓦斯?jié)舛犬惓z測和遺失值估計事關煤礦安全。以往的解決方法是使用一個礦井中的全部瓦斯傳感器采樣數據分析求解這兩個問題。但是這種方法存在著不足：計算量大和異常檢測的準確率相對較低，遺失值的估計精度也較低。提出了利用相關傳感器組合的信息進行瓦斯異常檢測和遺失值估計的方法。仿真結果表明該方法克服了上述不足。 開發(fā)了基于時間序列數據