Analiza podobieństwa sygnałów diagnostycznych z wykorzystaniem metod odległościowych

• Autorzy: Pełech-Pilichowski T. , Duda J. T.

Warianty tytułu

EN

A similarity analysis of diagnostic signals with distance-like methods

• Języki publikacji: PL

Abstrakty

PL

Artykuł koncentruje się na prezentacji koncepcji wykorzystania miar odległości do monitorowania zmiennych procesowych w celu identyfikacji podobnych sytuacji procesowych. W pracy opisano problematykę przetwarzania sygnałów diagnostycznych, scharakteryzowano ideę wykorzystania miar odległościowych do monitorowania podobieństwa sytuacji procesowych, przedstawiono i opisano przykładowe wyniki retrospektywnej analizy podobieństwa z wykorzystaniem dedykowanej miary odległości, z uwzględnieniem transformacji danych wejściowych.

EN

The article focuses on the presentation of the concept of using distance measures for monitoring process variables, aimed at the identification the process similar situations. The paper describes the problems of diagnostic signal processing. The idea of the use of distance measures for process situations similarity monitoring is described. Sample results obtained for retrospective analysis with the dedicated similarity method, including the input data transformation, are shown and discussed.

Słowa kluczowe

PL

detekcja zdarzeń; podobieństwo szeregów czasowych; miary odległości

EN

event detection; time series similarity; distance measures

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2011
• Tom: T. 15, z. 2
• Strony: 389--397
• Opis fizyczny: Bibliogr. 10 poz., rys., wykr.

Twórcy

autor

Pełech-Pilichowski T.

• AGH Akademia Górniczo-Hutnicza, Wydział Zarządzania, Katedra Informatyki Stosowanej

autor

Duda J. T.

• AGH Akademia Górniczo-Hutnicza, Wydział Zarządzania, Katedra Informatyki Stosowanej

Bibliografia

• [1] Duda J.T., Pozyskiwanie wzorców diagnostycznych w komputerowych analizach sprawności urządzeń, [w:] Diagnostyka procesów i systemów, red. Korbicz J., Patan K., Kowal M., Akademicka Oficyna Wydawnicza EXIT, 2007.
• [2] Duda J., Pełech T., Wykrywanie zdarzeń w szeregach finansowych z wykorzystaniem metod statystycznych. VI Krajowa Konferencja Inżynieria Wiedzy i Systemy Ekspertowe, Wrocław 2006.
• [3] Duda J.T., Pełech-Pilichowski T., Miary podobieństwa szeregów czasowych w detekcji zdarzeń. [w:] Systemy wykrywające, analizujące i tolerujące usterki, red. Kowalczuk Z., Pomorskie Wydawnictwo Naukowo-Techniczne PWNT, 2009.
• [4] Geng Z., Zhu Q., A Wavelet-Based Adaptive Mspca For Process Signal Monitoring & Diagnosis. International Conference on Information Acquisition, 2004.
• [5] Hand D., Mannila H., Smyth R, Principles of Data Mining. MIT Press, 2001.
• [6] Mahoney M.V., Chan P.K., Learning Rulesfor Time Series Anomaly Detection. Technical Report CS-2005-04, Florida Institute of Technology, 2004.
• [7] Pełech-Pilichowski T., Adaptacyjne algorytmy detekcji zdarzeń w szeregach czasowych. Rozprawa doktorska. Akademia Górniczo-Hutnicza im. St. Staszica w Krakowie, Wydział Elektrotechniki, Automatyki Informatyki i Elektroniki, 2009.
• [8] Shyu M., Chen S., Sarinnapakorn K., Chang L., A Novel Anomaly Detection Scheme Based on Principal Component Classifier. IEEE International Conference on Data Mining, 2003.
• [9] Tarassenko L., Nairac A., Townsend N., Cowley R, Novelty Detection in Jet Engines. IEEE Colloquium on Condition Monitoring, Imagery, External Structures and Health, 1999.
• [10] Taylor J.M.G., Kendalls and Spearmans Correlation Coefficients in the Presence of a Blocking Yariable. Biometrics, vol. 43, No. 2, 1987.