基于DWT与SVM的风门开闭阶段识别方法_邓立军.pdf

《基于DWT与SVM的风门开闭阶段识别方法》讲解了为解决风门开闭导致的风速传感器数据异常波动与误报警问题，提出了一种基于离散小波变换（DWT）和支持向量机（SVM）的风门开闭阶段识别方法。该方法使用多尺度滑动窗口将传感器风速监测数据离散化为若干段不同尺度的子时间序列数据，并利用统计方法和DWT提取各尺度子时间序列数据中的统计特征与隐含的波动特征，建立风门开闭阶段识别分类模型。为了进一步优化识别结果，基于重叠度（OD）规则合并、修正、组合、取优分类识别结果，并根据相似准则建立了长度方向取变率为20%，整体相似比为85%的相似试验模型，进行了风门开闭扰动试验以验证方法的可行性。实验结果表明，在测试集上的识别准确率较高，对于风门开闭时间的识别准确率可达到90%，风门开闭阶段的划分准确率可达到87%，优化滑动窗口尺度数量可以继续增加方法识别的准确率。

《基于DWT与SVM的风门开闭阶段识别方法》适用于矿井通风领域，尤其是需要对风门开闭过程进行精确监控和管理的场景。该方法能够有效降低因风门开闭引起的风速传感器误报警概率，提高矿井监测监控系统的稳定性。此技术特别适合于那些对风门状态敏感、要求高精度监测的矿井环境，如大型煤矿或金属矿山等。此外，该方法也可以应用于其他类似环境中涉及非平稳时间序列数据分类的问题，例如工业通风系统或其他存在周期性开闭现象的设施。