排列熵算法的应用与发展

重点阐述了排列熵算法的基本原理,总结归纳了该算法在医学、生物和机械等领域的国内外研究和应用现状,最后展望了排列熵算法的未来发展趋势。研究表明：排列熵算法能够有效放大时间序列的微弱变化,且计算简单、实时性高,已在信号突变检测方面显示出良好的应用前景。     

模糊识别和随机森林算法在柴油机振动信号状态识别中的应用

针对模糊识别算法中,样本特征向量中各参量(分量)对状态分类的贡献权重难以确定的问题,提出了利用随机森林算法对特征参量的重要度评估结果作为特征权重的方法。通过对柴油机台架试验振动信号的跟踪分析,获得了柴油机在磨合期、100摩托小时、200摩托小时、300摩托小时及400摩托小时5种不同使用期(典型状态)的75个振动信号样本,然后计算出各类样本在幅域、时域和频域的特征参量,利用随机森林算法进行特征选择,确定4个重要特征参量及其权重,用统计方法得出其隶属度函数,最后根据评价向量对样本进行识别,识别准确率达到94%以上。