CN109724637A - 一种基于试验数据的传感器元件质量评估方法 - Google Patents
一种基于试验数据的传感器元件质量评估方法 Download PDFInfo
- Publication number
- CN109724637A CN109724637A CN201811581604.4A CN201811581604A CN109724637A CN 109724637 A CN109724637 A CN 109724637A CN 201811581604 A CN201811581604 A CN 201811581604A CN 109724637 A CN109724637 A CN 109724637A
- Authority
- CN
- China
- Prior art keywords
- sensor element
- data
- cross
- standard deviation
- mean value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供一种基于试验数据的传感器元件质量评估方法,用于传感器元件的可靠性筛选,该方法基于传感器元件试验数据,采用相关性分析和主成分分析的数学方法发掘传感器元件试验过程数据隐含的信息,并采用概率统计的方法对分析结果进行量化和数据判读,以剔除存在风险的传感器元件。本发明从试验数据分析角度出发,能有效弥补传统方法仅依靠可靠性试验进行筛选的不足,可以很好地用于传感器元件的可靠性筛选,尤其适用于航空、航天等领域对传感器元件可靠性要求高的场合。
Description
技术领域
本发明属于传感器/传感器元件可靠性筛选领域,涉及一种基于试验数据的传感器元件质量评估方法。
背景技术
传感器元件的可靠性在航空航天以及涉及安全的工业领域都受到广泛重视,与电子元器件筛选一样,传感器元件的筛选通常也采用加速应力筛选方式。尽管加速应力筛选在一定程度上被证明是提高使用可靠性的一种手段,但是其试验数据的分析处理方式相对单一,其深层次与传感器元件可靠性相关信息挖掘方法还有待进一步研究和解决。
本发明为了解决传感器元件可靠性筛选试验数据的分析问题,提出一种运用相关性分析和主成分分析的传感器元件试验数据分析方法,挖掘传感头试验过程数据隐含的信息,发现存在潜在风险的传感头,并以此来评估传感头的质量情况。
专利文献CN103439669A中公开一种太阳能电池的可靠性筛选分类方法。该文献提出基于马氏距离的筛选方法对太阳能电池噪声数据进行分析,进而得到全频段的噪声筛选判据,该对比文件采用噪声数据以及马氏距离的分析方法对太阳能电池进行评价,与本专利所描述的方法有本质区别。
发明内容
本发明解决的技术问题是:现有的传统传感器元件筛选方法主要为老化试验、高低温物理试验及静态测试等,该过程中仅依据传感器元件的性能指标直接判断,未对传感器元件数据深层次分析,这些方法花费大、周期长,大多数时候不能有效评估传感器元件的质量情况。为克服现有技术的不足,本发明提供一种基于传感器元件试验过程的数据分析的传感器元件质量评估方法。
本发明的技术方案是:一种基于试验数据的传感器元件质量评估方法,步骤如下:
a)对传感器元件长期通电,在满量程下,记录同批次所有传感器元件在满量程下的输出信号;
b)对同批次所有传感器元件在满量程下的输出信号数据,采用互相关系数计算方法计算每只元件与同批次其他元件数据的互相关系数,将其中互相关系数为负值的互相关系数记为零,之后计算得到每只传感器元件与同批次其他元件数据互相关系数的均值Q,作为下一步的输入;
c)根据步骤b)获得的每只传感器元件与同批次其他元件数据互相关系数的均值Q进行统计,计算得到互相关计算结果,即同批次试验的所有传感器元件互相关系数均值Q的均值和标准差;
d)对步骤c)的互相关计算结果进行分级;
e)对传感器元件进行标定,记录同批次试验的所有传感器元件在不同标定点下的输出信号;
f)对每只传感器元件获得的标定数据进行标准化处理;采用主成分分析计算方法对每只传感器元件标准化后的数据提取第一主成分的贡献率;
g)根据步骤f)获得的每只传感器元件第一主成分贡献率进行统计,计算得到主成分分析结果,即同批次试验的所有传感器元件第一主成分贡献率均值和标准差;
h)对步骤g)主成分分析结果进行分级;
i)根据d)和h)中得到的分级结果,比较两个分级结果,取两个分级结果当中等级更差的一个作为传感器元件的质量评估结果。
所述步骤a),传感器元件长期通电时间不少于一千小时,过程中持续记录传感器元件的输出信号。
所述步骤b),采用互相关系数计算方法计算每只元件与其他元件数据的互相关系数的具体方法为:
将某一只传感器元件在试验过程中某试验段的数据记为x,两只不同传感器元件的试验数据可分别记为xi和xj;采用下述方法计算两列数据xi和xj的相关性:
将数据xi和xj作为向量,计算向量xi、xj的协方差COV:
COV(xi,xj)=E[(xi-μi)(xj-μj)]
其中,E表示期望;μi和μj为分别为向量xi、xj的期望;
将COV(xi,xj)记为C(i,j)的形式,计算向量xi与xj的相关系数如下:
R(i,j)=C(i,j)/SQRT(C(i,i)*C(j,j));
R为[-1,1]范围内的数,R=-1时表示xi和xj成负相关,R=0表示xi和xj不相关,R=1时表示xi和xj成正相关;SQRT表示开根号运算。
所述互相关计算结果为:同批次试验的所有传感器元件互相关系数均值Q的均值和标准差
所述对步骤c)互相关计算结果进行分级具体为:以均值为中心,传感器元件互相关系数均值分布落在均值上下一个标准差范围内的样本属于一级优;一个标准差~两个标准差范围内属于二级良;两个标准差~三个标准差范围内属于三级中;三个标准差外属于四级差。
所述步骤e)中对传感器元件进行标定时,标定点应不少于六个,每次标定至少进行三个正反行程,每两次标定时间间隔在十小时以上,总标定次数不少于三十次。
所述步骤f)中采用主成分分析计算方法对每只传感器元件标准化后的数据提取第一主成分的贡献率的具体方法为:
将某只传感器元件在试验过程中某试验段的标定数据记为矩阵A,对数据矩阵A进行标准化处理,得到标准化后的样本矩阵X,Xij为表示第i次标定时在第j个标定点下的标准化值,表示为:
其中,Aij表示矩阵A中的元素,表示第i次标定时在第j个标定点下的传感器元件信号值。
上述过程中,第j个标定点下的所有数据均值表示为:
其中,m为总的标定次数。
上述过程中,第j个标定点下的所有数据标准差表示为:
其中,m为总的标定次数。
根据上述文献中的方法可计算出每只传感器元件对应矩阵X的第一主成分贡献率。
所述对步骤h)中对主成分分析结果进行分级的具体过程为:
以均值为中心,传感器元件主成分贡献率分布落在均值上下一个标准差范围内的样本属于一级优;一个标准差~两个标准差范围内属于二级良;两个标准差~三个标准差范围内属于三级中;三个标准差外属于四级差。
本发明与现有技术相比具有如下优点:
(1)本发明针对传感器元件的试验获得的稳定性数据采用相关性分析方法,计算每只元件与其他元件数据的互相关系数,并将其中互相关系数为负值的记为零,之后求出每只元件对其他元件所有互相关系数的均值,将计算得到的同批次所有传感器元件互相关系数的均值进行统计计算,根据互相关系数的均值和方差,采用统计方法对传感器元件进行评价分级。从而实现对同批次不同传感器元件之间的一致性进行横向比较分析。
(2)本发明针对传感器元件的试验获得的标定数据,即对传感器元件定期进行标定,记录同批次试验的所有传感器元件在不同标定点下的输出信号。对每只传感器元件所获得的标定数据进行标准化处理后采用主成分分析计算方法对每只传感器元件标准化后的数据提取第一主成分的贡献率。对同批次所有传感器元件的第一主成分贡献率进行统计,根据第一主成分贡献率的均值和方差,采用统计方法对传感器元件进行评价分级。从而实现对单只传感器元件自身数据一致性进行纵向比较分析。
(3)本发明基于传感器元件试验过程的数据,运用相关性分析和主成分分析的数据分析方法,并比较两种方法得到的分级结果,取两个评价分级结果中差的一个作为最终结果输出。该方法从两个维度对传感器元件进行分析,可以比较全面的评估传感器元件的数据表现,挖掘传感头试验过程数据隐含的信息,发现存在潜在风险的传感头,并以此来评估传感头的质量情况,方法具有创造性。
(4)本发明所提出的方法可推广到诸如温度、压力、流量传感元件的质量评估,通用性强。
附图说明
图1为处理处理方法的流程图;
具体实施方式
a)获取传感器元件的满量程稳定性数据
对传感器元件长期通电,在满量程下,记录同批次试验所有传感器元件在满量程下的输出信号;其中,传感器元件长期通电时间不少于一千小时,过程中持续记录传感器元件的输出信号;
b)对同批次所有传感器元件的满量程稳定性数据,采用互相关系数计算方法计算每只元件与同批次其他元件数据的互相关系数,将其中互相关系数为负值的互相关系数记为零,之后计算得到每只传感器元件与同批次其他元件数据互相关系数的均值Q,作为下一步的输入;
互相关系数计算方法计算过程描述为:
将某一只传感器元件在试验过程中某试验段的数据记为x,两只不同传感器元件的试验数据可分别记为xi和xj;采用下述方法计算两列数据xi和xj的相关性:
将数据xi和xj作为向量,计算向量xi、xj的协方差COV:
COV(xi,xj)=E[(xi-μi)(xj-μj)]
其中,E表示期望;μi和μj为分别为向量xi、xj的期望;
将COV(xi,xj)记为C(i,j)的形式,计算向量xi与xj的相关系数如下:
R(i,j)=C(i,j)/SQRT(C(i,i)*C(j,j))
R为[-1,1]范围内的数,R=-1时表示xi和xj成负相关,R=0表示xi和xj不相关,R=1时表示xi和xj成正相关;SQRT表示开根号运算。
c)根据步骤b)获得的每只传感器元件与同批次其他元件数据互相关系数的均值Q进行统计,计算得到互相关计算结果,即同批次试验的所有传感器元件互相关系数均值Q的均值和标准差;
d)对步骤c)的互相关计算结果进行分级,具体为:以均值为中心,传感器元件互相关系数均值分布落在均值上下一个标准差范围内的样本属于一级优;一个标准差~两个标准差范围内属于二级良;两个标准差~三个标准差范围内属于三级中;三个标准差外属于四级差;
e)获取传感器元件的标定数据
对传感器元件进行标定,记录同批次试验的所有传感器元件在不同标定点下的输出信号;其中,标定点应不少于六个,每次标定至少进行三个正反行程,每两次标定时间间隔在十小时以上,总标定次数不少于三十次;
f)对每只传感器元件获得的标定数据进行标准化处理并采用主成分分析计算方法对每只传感器元件标准化后的数据提取第一主成分的贡献率;采用主成分分析计算方法对每只传感器元件标准化后的数据提取第一主成分的贡献率的具体方法为:
将某只传感器元件在试验过程中某试验段的标定数据记为矩阵A,对数据矩阵A进行标准化处理,得到标准化后的样本矩阵X,Xij为表示第i次标定时在第j个标定点下的标准化值,表示为:
其中,Aij表示矩阵A中的元素,表示第i次标定时在第j个标定点下的传感器元件信号值。
上述过程中,第j个标定点下的所有数据均值表示为:
其中,m为总的标定次数。
上述过程中,第j个标定点下的所有数据标准差表示为:
其中,m为总的标定次数。
对标准化后的矩阵X进行主成分分析(PCA)运算,具体步骤可参考文献[1]和[2]。
[1]洪文学,李昕,徐永红,王金甲,宋佳霖.基于多元统计图表示原理的信息融合和模式识别技术[M],北京:国防工业出版社,2008。
[2]王斌会.多元统计分析及R语言建模[M],广州:暨南大学出版社,2010。
根据上述文献中的方法可计算出每只传感器元件对应矩阵X的第一主成分贡献率。
g)根据步骤f)获得的每只传感器元件第一主成分贡献率进行统计,计算得到主成分分析结果,即同批次试验的所有传感器元件第一主成分贡献率均值和标准差;
h)对步骤g)主成分分析结果进行分级,以均值为中心,传感器元件主成分贡献率分布落在均值上下一个标准差范围内的样本属于一级优;一个标准差~两个标准差范围内属于二级良;两个标准差~三个标准差范围内属于三级中;三个标准差外属于四级差;
i)根据d)和h)中得到的分级结果,比较两个分级结果,取两个分级结果当中等级差的一个作为传感器元件的质量评估结果。
实施例1:
步骤1,通过获取试验过程中传感器元件数据,包括获取传感器元件的满量程稳定性数据以及传感器元件的标定数据;
步骤2,利用相关性数据处理方法对同批次传感器元件的满量程数据进行分析,计算每只元件与其他元件数据的互相关系数,将其中互相关系数为负值的记为零,之后求出每只元件对其他元件所有互相关系数的均值;
步骤3,互相关系数的统计分布计算,将上一步获得的每只传感器元件互相关系数的均值进行统计计算,求出其均值和标准差;
步骤4,对互相关计算结果进行分级,具体为:以均值为中心,传感器元件互相关系数均值分布落在均值上下一个标准差范围内的样本属于一级优;一个标准差~两个标准差范围内属于二级良;两个标准差~三个标准差范围内属于三级中;三个标准差外属于四级差。
步骤5,对每只传感器元件获得的标定数据进行标准化处理并采用主成分分析计算方法对每只传感器元件标准化后的数据提取第一主成分的贡献率;
步骤6,对步骤5获得的每只传感器元件主成分贡献率进行统计计算,求出其均值和标准差。
步骤7,对主成分分析结果进行分级,以均值为中心,传感器元件主成分贡献率分布落在均值上下一个标准差范围内的样本属于一级优;一个标准差~两个标准差范围内属于二级良;两个标准差~三个标准差范围内属于三级中;三个标准差外属于四级差。
步骤8,根据分级评估准则分别对步骤4和步骤7中的结果进行综合评价,具体分级评估准则如下:
一个标准差范围内的样本属于一级优;
一个标准差~两个标准差范围内属于二级良;
两个标准差~三个标准差范围内属于三级中;
三个标准差外属于四级差。
综合评估级别的判别表如下:
以上所述,仅为本发明最佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明未详细说明部分属本领域技术人员公知常识。
Claims (8)
1.一种基于试验数据的传感器元件质量评估方法,其特征在于步骤如下:
a)对传感器元件长期通电,在满量程下,记录同批次所有传感器元件在满量程下的输出信号;
b)对同批次所有传感器元件在满量程下的输出信号数据,采用互相关系数计算方法计算每只元件与同批次其他元件数据的互相关系数,将其中互相关系数为负值的互相关系数记为零,之后计算得到每只传感器元件与同批次其他元件数据互相关系数的均值Q,作为下一步的输入;
c)根据步骤b)获得的每只传感器元件与同批次其他元件数据互相关系数的均值Q进行统计,计算得到互相关计算结果,即同批次试验的所有传感器元件互相关系数均值Q的均值和标准差;
d)对步骤c)的互相关计算结果进行分级;
e)对传感器元件进行标定,记录同批次试验的所有传感器元件在不同标定点下的输出信号;
f)对每只传感器元件获得的标定数据进行标准化处理;采用主成分分析计算方法对每只传感器元件标准化后的数据提取第一主成分的贡献率;
g)根据步骤f)获得的每只传感器元件第一主成分贡献率进行统计,计算得到主成分分析结果,即同批次试验的所有传感器元件第一主成分贡献率均值和标准差;
h)对步骤g)主成分分析结果进行分级;
i)根据d)和h)中得到的分级结果,比较两个分级结果,取两个分级结果当中等级更差的一个作为传感器元件的质量评估结果。
2.根据权利要求1所述的一种基于试验数据的传感器元件质量评估方法,其特征在于:所述步骤a),传感器元件长期通电时间不少于一千小时,过程中持续记录传感器元件的输出信号。
3.根据权利要求1所述的一种基于试验数据的传感器元件质量评估方法,其特征在于:所述步骤b),采用互相关系数计算方法计算每只元件与其他元件数据的互相关系数的具体方法为:
将某一只传感器元件在试验过程中某试验段的数据记为x,两只不同传感器元件的试验数据可分别记为xi和xj;采用下述方法计算两列数据xi和xj的相关性:
将数据xi和xj作为向量,计算向量xi、xj的协方差COV:
COV(xi,xj)=E[(xi-μi)(xj-μj)]
其中,E表示期望;μi和μj为分别为向量xi、xj的期望;
将COV(xi,xj)记为C(i,j)的形式,计算向量xi与xj的相关系数如下:
R(i,j)=C(i,j)/SQRT(C(i,i)*C(j,j));
R为[-1,1]范围内的数,R=-1时表示xi和xj成负相关,R=0表示xi和xj不相关,R=1时表示xi和xj成正相关;SQRT表示开根号运算。
4.根据权利要求1所述的一种基于试验数据的传感器元件质量评估方法,其特征在于:所述互相关计算结果为:同批次试验的所有传感器元件互相关系数均值Q的均值和标准差。
5.根据权利要求1所述的一种基于试验数据的传感器元件质量评估方法,其特征在于:所述对步骤c)互相关计算结果进行分级具体为:以均值为中心,传感器元件互相关系数均值分布落在均值上下一个标准差范围内的样本属于一级优;一个标准差~两个标准差范围内属于二级良;两个标准差~三个标准差范围内属于三级中;三个标准差外属于四级差。
6.根据权利要求1所述的一种基于试验数据的传感器元件质量评估方法,其特征在于:所述步骤e)中对传感器元件进行标定时,标定点应不少于六个,每次标定至少进行三个正反行程,每两次标定时间间隔在十小时以上,总标定次数不少于三十次。
7.根据权利要求1所述的一种基于试验数据的传感器元件质量评估方法,其特征在于:所述步骤f)中采用主成分分析计算方法对每只传感器元件标准化后的数据提取第一主成分的贡献率的具体方法为:
将某只传感器元件在试验过程中某试验段的标定数据记为矩阵A,对数据矩阵A进行标准化处理,得到标准化后的样本矩阵X,Xij为表示第i次标定时在第j个标定点下的标准化值,表示为:
其中,Aij表示矩阵A中的元素,表示第i次标定时在第j个标定点下的传感器元件信号值。
上述过程中,第j个标定点下的所有数据均值表示为:
其中,m为总的标定次数。
上述过程中,第j个标定点下的所有数据标准差表示为:
其中,m为总的标定次数。
根据上述文献中的方法可计算出每只传感器元件对应矩阵X的第一主成分贡献率。
8.根据权利要求5所述的一种基于试验数据的传感器元件质量评估方法,其特征在于:所述对步骤h)中对主成分分析结果进行分级的具体过程为:
以均值为中心,传感器元件主成分贡献率分布落在均值上下一个标准差范围内的样本属于一级优;一个标准差~两个标准差范围内属于二级良;两个标准差~三个标准差范围内属于三级中;三个标准差外属于四级差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811581604.4A CN109724637B (zh) | 2018-12-24 | 2018-12-24 | 一种基于试验数据的传感器元件质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811581604.4A CN109724637B (zh) | 2018-12-24 | 2018-12-24 | 一种基于试验数据的传感器元件质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109724637A true CN109724637A (zh) | 2019-05-07 |
CN109724637B CN109724637B (zh) | 2021-02-05 |
Family
ID=66297052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811581604.4A Active CN109724637B (zh) | 2018-12-24 | 2018-12-24 | 一种基于试验数据的传感器元件质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109724637B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160619A (zh) * | 2019-05-23 | 2019-08-23 | 拉扎斯网络科技(上海)有限公司 | 称重系统状态检测方法、装置、可读存储介质和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005277247A (ja) * | 2004-03-26 | 2005-10-06 | Advantest Corp | 処理装置、表示方法および表示プログラム |
JP2006020501A (ja) * | 2004-07-05 | 2006-01-26 | Sony Corp | センサーチップの品質検査方法、サンプル評価方法、dnaチップ、プロテインチップ |
CN101382439A (zh) * | 2008-10-27 | 2009-03-11 | 哈尔滨工业大学 | 多参数自确认传感器及其状态自确认方法 |
CN102540056A (zh) * | 2011-12-29 | 2012-07-04 | 北京控制工程研究所 | 一种aps芯片测试及筛选方法 |
CN102860036A (zh) * | 2010-04-30 | 2013-01-02 | Abb技术有限公司 | 用于在空间上扩展的供应网络中传输测量信号的设备与方法 |
CN108801322A (zh) * | 2018-07-06 | 2018-11-13 | 哈尔滨工业大学 | 用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 |
CN108831517A (zh) * | 2018-05-23 | 2018-11-16 | 武汉忆数存储技术有限公司 | 一种基于操作时间或电流判断闪存芯片可靠性的方法及测试装置 |
-
2018
- 2018-12-24 CN CN201811581604.4A patent/CN109724637B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005277247A (ja) * | 2004-03-26 | 2005-10-06 | Advantest Corp | 処理装置、表示方法および表示プログラム |
JP2006020501A (ja) * | 2004-07-05 | 2006-01-26 | Sony Corp | センサーチップの品質検査方法、サンプル評価方法、dnaチップ、プロテインチップ |
CN101382439A (zh) * | 2008-10-27 | 2009-03-11 | 哈尔滨工业大学 | 多参数自确认传感器及其状态自确认方法 |
CN102860036A (zh) * | 2010-04-30 | 2013-01-02 | Abb技术有限公司 | 用于在空间上扩展的供应网络中传输测量信号的设备与方法 |
CN102540056A (zh) * | 2011-12-29 | 2012-07-04 | 北京控制工程研究所 | 一种aps芯片测试及筛选方法 |
CN108831517A (zh) * | 2018-05-23 | 2018-11-16 | 武汉忆数存储技术有限公司 | 一种基于操作时间或电流判断闪存芯片可靠性的方法及测试装置 |
CN108801322A (zh) * | 2018-07-06 | 2018-11-13 | 哈尔滨工业大学 | 用于无人机飞行控制系统微机电系统传感器的可靠性评估方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160619A (zh) * | 2019-05-23 | 2019-08-23 | 拉扎斯网络科技(上海)有限公司 | 称重系统状态检测方法、装置、可读存储介质和电子设备 |
CN110160619B (zh) * | 2019-05-23 | 2021-06-15 | 拉扎斯网络科技(上海)有限公司 | 称重系统状态检测方法、装置、可读存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109724637B (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022016884A1 (zh) | 一种基于K-means聚类算法的海面风速方法 | |
Filzmoser | A multivariate outlier detection method | |
Rahman et al. | Multiple linear regression models in outlier detection | |
WO2016150130A1 (zh) | 一种基于近红外光谱的杂交种纯度鉴别方法 | |
CN112508105A (zh) | 一种采油机故障检测与检索方法 | |
CN104316491A (zh) | 基于同步-异步二维近红外相关谱检测牛奶掺尿素的方法 | |
CN105117550A (zh) | 一种面向产品多维相关性退化失效的建模方法 | |
CN110888186A (zh) | 基于gbdt+lr模型的冰雹和短时强降水预报方法 | |
CN110243560A (zh) | 一种桥梁挠度监测中的温度效应分离方法 | |
CN111367959A (zh) | 一种零时滞非线性扩展Granger因果分析方法 | |
CN110514366B (zh) | 一种小样本条件下管道微弱泄漏检测方法 | |
CN109901111A (zh) | 基于偏最小二乘回归的近场声源定位方法 | |
CN103902798B (zh) | 数据预处理方法 | |
CN110220885B (zh) | 一种机械设备磨损状态综合判断方法 | |
CN102194106A (zh) | 一种用于门禁系统中的人脸识别方法 | |
CN109724637A (zh) | 一种基于试验数据的传感器元件质量评估方法 | |
CN111753776A (zh) | 基于回声状态与多尺度卷积联合模型的结构损伤识别方法 | |
He et al. | ICESat-2 data classification and estimation of terrain height and canopy height | |
CN114266457A (zh) | 一种配电线路异损诱因检测的方法 | |
CN109840386B (zh) | 基于因子分析的损伤识别方法 | |
CN103389360A (zh) | 基于概率主元回归模型的脱丁烷塔丁烷含量软测量方法 | |
CN113158558A (zh) | 一种高速铁路路基连续压实分析方法、装置及分析仪 | |
CN101667253B (zh) | 一种高光谱遥感数据多类别监督分类方法 | |
CN109101778B (zh) | 基于性能退化数据和寿命数据融合的Wiener过程参数估计方法 | |
CN114371677B (zh) | 基于谱半径-区间主成分分析的工业过程状态监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |