基于提升小波的数据处理及过程监测研究

论文题目: 基于提升小波的数据处理及过程监测研究

论文类型: 博士论文

论文专业: 控制科学与工程

作者: 李成

导师: 李平,宋执环

关键词: 小波分析,提升小波,数据去噪,数据压缩,过程趋势识别,隐马可夫树模型

文献来源: 浙江大学

发表年度: 2005

论文摘要: 现代工业具有规模大、结构复杂,以及现场环境恶劣等特点,如何提取感兴趣的工业数据信息以及对生产过程的监测成为具有挑战性的热点课题之一。小波分析是傅立叶分析之后一种新兴的信号处理技术,在时频分析上具有独特优势,提升小波则为小波的构造引入了更多的灵活性。本文结合小波分析工具对工业数据的滤波、压缩,以及过程监测几个问题进行了研究。 1. 鲁棒滤波问题。数据去噪是数据预处理的重要组成,传统的数据滤波方法有维纳滤波和卡尔曼滤波,由于在线的工业数据去噪过程中强调滤波算法的在线完成以及工业数据本身具有的不确定性,以上两种方法在工程实际应用中很难胜任。小波去噪近年来被广泛研究和应用,但存在几个问题要解决:传统小波变换作为一种线性变换不具备抗差性,对恶劣环境下受粗差干扰以及加性噪声干扰的数据滤波效果很差;区间小波在解决边界效应的同时会带来额外的计算复杂性。为了解决上述问题,本文结合截尾中值滤波器和提升格式提出了一种鲁棒提升小波框架。这种新的方法通过在各级的提升环节中加入截尾中值滤波器来消除短时粗差和加性噪声的干扰,同时利用提升格式下的插值小波来解决边界效应的问题。同时由于提升小波有原位计算的特点和更少的计算量,使其在工程实施中更具优势。 2.一种避免滤波器穿越信号突变边缘的自适应提升小波的设计问题。数据压缩也是数据处理中的一个重要部分,提升小波在构造小波上具有独特优势,可以方便的根据信号的空间特性以及数据处理的要求来设计特定的小波。我们首先研究了空间自适应提升小波完全重构的充分条件,然后利用小波系数不重复进入多尺度分解的这一特点,设计出了将自适应信息无冗余的存储于小波系数的均值插值小波变换,对于一维工业数据的阈值压缩以及二维图像数据的有损编码压缩可以保证其逆变换的稳定性。仿真结果表明,这种方法在保留工业数据重要突变信息的同时能提高压缩比,对于图像则能更好的突出边缘信息。 3.如何评价压缩对工业过程监测影响的问题。首先分析了均方误差以及单点误差作为传统的压缩评价标准的不足,指出它们并不适合评价压缩对后续处理过程的影响;然后结合主元分析(PCA)的过程监测方法提出了一种新的压缩评价

论文目录:

摘要

ABSTRACT

第一章 绪论

1.1 课题研究目的和意义

1.2 课题的研究状况

1.2.1 小波理论的发展

1.2.1.1 第一代小波

1.2.1.2 第二代小波

1.2.1.2.1 提升方法

1.2.1.2.2 第二代小波

1.2.2 数据预处理研究现状及进展

1.2.2.1 小波在数据预处理中的应用

1.2.2.1.1 小波降噪

1.2.2.1.2 小波压缩

1.2.2.2 小波数据预处理中遇到的问题

1.2.3 过程监测的研究现状及进展

1.2.3.1 过程监测方法的分类

1.2.3.1.1 基于机理模型的方法

1.2.3.1.2 不依赖模型的方法

1.2.3.2 过程趋势分析

1.3 本文的主要工作和创新点

第二章 提升格式下的鲁棒小波变换

2.1 引言

2.2 工程中面临的问题

2.3 提升方法

2.3.1 分割、预测和修正

2.3.2 提升方法构造传统小波

2.3.3 提升小波的边界处理

2.4 提升格式下的鲁棒小波变换

2.4.1 鲁棒小波变换算法

2.4.2 选择小波系数

2.4.3 快速鲁棒小波变换

2.5 仿真研究

2.6 小结

第三章 提升小波在数据压缩中的应用

3.1 引言

3.2 自适应提升小波

3.2.1 自适应提升小波的完全重构

3.2.2 自适应均值插值小波

3.2.3 插值系数的计算

3.3 压缩过程描述

3.3.1 一维工业数据压缩

3.3.2 图像数据压缩

3.4 仿真结果及分析

3.4.1 仿真算例一

3.4.2 仿真算例二

3.5 小结

第四章 数据压缩对过程监测影响的研究

4.1 引言

4.2 过程数据压缩方法简介

4.2.1 矩形波串算法

4.2.2 后向斜率算法

4.2.3 SDT算法

4.2.4 PLOT算法

4.2.5 失量量化技术

4.2.6 小波技术和离散余弦技术

4.3 PCA统计过程模型

4.4 数据压缩对统计特性的影响

4.4.1 对统计量的影响

4.4.2 对PCA监测过程的影响

4.4.2.1 对SPE统计量的影响

4.4.2.2 对T~2统计量的影响

4.4.2.3 对监测性能的影响

4.5 小结

第五章 HMT模型及其在过程监测中的应用研究

5.1 引言

5.2 小波域的隐马可夫模型

5.2.1 小波系数的统计模型

5.2.2 隐马可夫树模型

5.2.3 隐马可夫模型的EM训练算法

5.2.3.1 E步骤

5.2.3.2 M步骤

5.3 用HMT进行过程趋势分析

5.3.1 过程趋势分析流程

5.3.2 隐马可夫树构造算法

5.3.3 多变量联合小波系数模型的训练识别

5.3.4 在线计算量分析

5.3.5 CSTR模型的仿真

5.4 HMT模型在轴承故障检测中的应用

5.5 小结

第六章 在纸机监测上的工程应用

6.1 引言

6.2 纸机及其监测系统简介

6.2.1 造纸机简介

6.2.2 监控和自动控制系统

6.3 振动信号检测

6.3.1 小数据量的HMT模型训练

6.3.2 压光部轴承振动信号检测

6.4 纸浆纤维的检测

6.5 小结

第七章 总结与展望

7.1 工作总结

7.2 研究展望

参考文献

附录

致谢

发布时间: 2006-07-19

参考文献

• [1].过程监测与调整的理论和方法研究[D]. 张黎.西北工业大学2006
• [2].基于信息富集与特征选择的多元统计化工过程监测研究[D]. 姜庆超.华东理工大学2015
• [3].基于特征提取与信息融合的工业过程监测研究[D]. 童楚东.华东理工大学2015
• [4].工业过程监测：基于小波和统计学的方法[D]. 王海清.浙江大学2001
• [5].基于故障特征提取与选择的统计过程监测研究[D]. 王洋.上海大学2017
• [6].非线性过程监测中的数据降维及相关问题研究[D]. 邵纪东.浙江大学2010
• [7].基于隐马尔可夫模型的工业过程监测方法研究[D]. 王琳.浙江大学2018
• [8].鲁棒模型预测控制与基于数据重构的故障检测[D]. 刘洋.天津大学2016
• [9].间歇工业过程单批次建模与监测关键技术研究[D]. 王亚君.东北大学2015
• [10].基于状态空间模型的复杂动态过程监测方法研究[D]. 文巧钧.浙江大学2015

相关论文

• [1].多元小波的构造、提升及其应用[D]. 赫泉玲.吉林大学2005
• [2].基于小波理论的非平稳信号特征提取与智能诊断方法研究[D]. 朱启兵.东北大学2006
• [3].提升小波在电能质量分析中的应用研究[D]. 杨汉生.南京理工大学2006

标签：小波分析论文;  提升小波论文;  数据去噪论文;  数据压缩论文;  过程趋势识别论文;  隐马可夫树模型论文;