Подход к обнаружению аномалий в технологических сигналах с применением преобразования Гильберта-Хуанга Д. А. Мурзагулов, А. В. Замятин, О. В. Романович
Material type:
ArticleContent type: Текст Media type: электронный Subject(s): аномалии | технологические сигналы | спектральный анализ | статистические модели | предиктивная аналитикаGenre/Form: статьи в журналах Online resources: Click here to access online
In:
Автометрия Т. 57, № 1. С. 31-41Abstract: В рамках исследования рассмотрена задача обнаружения в нестационарных технологических сигналах аномалий как ранних признаков отказов и поломок оборудования. Представлен подход к обнаружению аномалий с использованием преобразования Гильберта — Хуанга совместно со статистической моделью. Основная идея подхода заключается в анализе статистических показателей элементов разложения Гильберта — Хуанга, которое обладает адаптивностью разложения в случае нестационарных данных и обеспечивает высокую детализацию в частотно-временной области. Представлены принципиальная схема и алгоритм подхода, описание статистической модели классификации, численные расчёты на модельных и реальных данных, сравнительный анализ с другими методами обнаружения аномалий в сигналах.
Библиогр.: 15 назв.
Ограниченный доступ
В рамках исследования рассмотрена задача обнаружения в нестационарных технологических сигналах аномалий как ранних признаков отказов и поломок оборудования. Представлен подход к обнаружению аномалий с использованием преобразования Гильберта — Хуанга совместно со статистической моделью. Основная идея подхода заключается в анализе статистических показателей элементов разложения Гильберта — Хуанга, которое обладает адаптивностью разложения в случае нестационарных данных и обеспечивает высокую детализацию в частотно-временной области. Представлены принципиальная схема и алгоритм подхода, описание статистической модели классификации, численные расчёты на модельных и реальных данных, сравнительный анализ с другими методами обнаружения аномалий в сигналах.
There are no comments on this title.