黄勇;杨东青;王磊;王克宏 基于多尺度时间不可逆性分析和极值学习机的焊接时间序列分类。 (英语) Zbl 1490.62250 混沌孤子分形 139,文章ID 110040,13 p.(2020). 总结:在焊接过程中,通过对时间序列的复杂分析,前人的研究已经证明其电弧熔滴行为是混沌和分形的。本研究采用多尺度时间不可逆性(MSTI)方法对焊接时间序列进行分析,然后对焊接质量进行分类。通过比较随机时间序列和原始时间序列的结果,证实了时间不可逆性是焊接时间序列的固有特性,并且可以扩展到多个尺度。焊接时间序列的多个频率分量的叠加效应导致时间不可逆性增强。MSTI指数(P_m\)%,(G_m \)%用于量化时间不可逆性,并具有区分不同序列的能力。最后,将指数(P_m%,G_m%)与极值学习机(ELM)相结合,对焊缝质量进行分类,取得了良好的分类效果。 MSC公司: 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 68T07型 人工神经网络与深度学习 关键词:时间不可逆性;多尺度分析;极限学习机;焊接时间序列 PDF格式BibTeX公司 XML格式引用 \textit{Y.Huang}等人,混沌孤子分形139,文章ID 110040,13 p.(2020;Zbl 1490.62250) 全文: 内政部 参考文献: [1] Piskorski,J。;Guzik,P.,长期和总心率变异性的不对称特性,医学生物工程计算,491289-1297(2011) [2] Cammarota,C。;罗戈拉,E.,《时间反转、符号序列和人类心跳的不可逆性》,《混沌、孤子和分形》,第32期,1649-1654页(2007年)·Zbl 1195.92014年 [3] 拉卡萨,L。;Nunez,A。;埃·罗尔丹;J.M.R.帕罗多。;Luque,B.,《时间序列不可逆性:可见度图方法》,《欧洲物理杂志》B,85,217(2012) [4] Gaspard,P.,马尔科夫随机过程中的逆时动态熵和不可逆性,《统计物理学杂志》,117599-615(2004)·Zbl 1113.82036号 [5] Zumbach,G.,《金融中的时间反转不变性》,《量子金融》,第9期,第505-515页(2009年)·Zbl 1278.91195号 [6] 弗拉纳根,R。;Lacasa,L.,《金融时间序列的不可逆性:一种图表理论方法》,《物理学报》a,3801689-1697(2016) [7] Casali K.R.、Casali A.G.、Montano N.、Irigoyen M.C.、Macagnan F.、Guzzetti S.等。平稳时间序列中时间不可逆性检测的多重测试策略。Phys Rev E Stat非线性软物质物理研究。;77:66204. [8] Guzik,P。;皮斯科斯基,J。;Krauze,T。;Wykretowicz,A。;Wysocki,H.,通过RR间期的Poincaré图得出的心率不对称性,生物技术工程,51,272-275(2006) [9] 侯震,F。;鲍宁,X。;庄军,J。;林黄,X。;景福,M。;华斌,C.,人类节拍间期的高维时间不可逆性分析,《医学与工程物理》,33,633-637(2011) [10] 侯凤,庄杰,卞川,童涛,陈毅,尹杰,等。基于多尺度时间不可逆性检验的心跳不对称性分析。物理学A-统计力学及其应用。;389:754-60. [11] Kurzyna,J.,《寻找连续激光焊接期间产生的等离子体波动中的混沌》,《物理应用物理学杂志》,31,680(1998) [12] 托勒,C.R。;拉维奥莱特,R.a。;Smartt,H.B。;Kenney,K.L。;佩斯,D.P。;John,W.,是否有证据表明气体保护金属电弧焊过程中的熔滴脱落具有决定性?,(第六届国际会议趋势焊接研究(2002)),5-10 [13] Biao,C。;袁鹏,X。;肖青,L.,近似熵——一种量化短路气体保护焊电弧和焊接过程稳定性的新统计方法,中国物理学报B,17865-877(2008) [14] 智勇,L。;Z.Qiang。;Yan,L。;Y.Xiaocheng。;Srivatsan,T.S.,《利用Lyapunov指数分析气体保护金属极电弧焊》,《材料制造工艺》,28,213-219(2013) [15] He,K。;李强。;Chen,J.,基于焊接电流Lyapunov指数的SW交流埋弧焊电弧稳定性评估方法,MEASUREMENT,46,272-278(2013) [16] 维埃拉,A.P。;瓦康塞洛斯,H.H.M。;Gonçalves,L.L。;德米兰达,H.C。;D.O.汤普森。;Chimenti,D.E.,《熔化极气体保护焊金属转移的分形分析》,AIP Conf Proc,564,564-571(2009) [17] 达斯,B。;袋子,S。;Pal,S.,《通过分形理论表征信号探索搅拌摩擦焊焊缝质量监测》,《机械科学技术杂志》,312459-2465(2017) [18] 达斯,B。;袋子,S。;Pal,S.,《通过分形维数表征信号来检测搅拌摩擦焊过程中的缺陷》,Manuf Lett,7,6-10(2016) [19] 姚,P。;薛,J。;周,K。;Wang,X.,评估双丝脉冲MIG焊稳定性的基于样本熵的方法,数学问题工程,2014(2014) [20] 姚,P。;周,K。;朱琦,基于样本熵的电弧声频谱定量评价方法,机械系统信号处理,92379-390(2017) [21] Costa M.D.、Peng C。K.,Goldberger A.L.《心率动力学的多尺度分析:熵和时间不可逆性度量》。心血管工程博士。;8:88-93. [22] 夏,J。;尚,P。;Wang,J。;Shi,W.,基于多尺度熵和多尺度时间不可逆性的金融时间序列分类,Phys A Stat Mech Its Appl,400,151-158(2014) [23] 王,X。;尚,P。;Fang,J.,使用多尺度时间不可逆性和熵进行交通时间序列分析,Chaos,24,第32102页(2014) [24] Casali K.R.、Casali A.G.、Montano N.、Irigoyen M.C.、Macagnan F.、Guzzetti S.等。平稳时间序列中时间不可逆性检测的多重测试策略。非线性软物质物理学。;77:66204. [25] 黄,G.-。B。;Wang,D.H。;Lan,Y.,《极限学习机器:一项调查》,《国际机器学习网络》,第2107-122页(2011年) [26] 黄,G.-。B。;周,H。;丁,X。;Zhang,R.,回归和多类分类的极端学习机,IEEE Trans-Syst Man,Cybern Part B,42,513-529(2011) [27] 萨哈尼,M。;Dash,P.K。;Samal,D.,《使用变分模式分解和在线顺序极端学习机的实时电能质量事件识别》,《测量》,第107597条,pp.(2020) [28] Güner,A。;ÖF,阿尔辛;öengür,A.,使用具有局部二进制模式直方图特征的极限学习机进行自动数字调制分类,Measurement,145,214-225(2019) [29] 王,X.-。B。;张,X。;李,Z。;Wu,J.,用于旋转机械复合故障诊断的集成极端学习机,基于知识的系统,188,第105012条,pp.(2020) [30] 杨,H.-。F。;陈,Y.-。P.P.,风速预测方法的极端学习机器表示学习和经验模式分解,Artif Intell,277,第103176页,(2019)·Zbl 07153690号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。