1、現(xiàn)代工業(yè)科學(xué)技術(shù)飛速發(fā)展,設(shè)備系統(tǒng)的結(jié)構(gòu)越來(lái)越復(fù)雜,系統(tǒng)運(yùn)行的安全性和可靠性得到社會(huì)普遍的關(guān)注,眾多科研工作者投身于故障診斷技術(shù)的研究。如何實(shí)現(xiàn)更低的復(fù)雜度和更強(qiáng)的在線診斷能力一直是當(dāng)前研究的熱點(diǎn)。
　　時(shí)間序列的相關(guān)技術(shù)目前有著廣泛的研究,其在故障診斷技術(shù)中有一些成功的應(yīng)用。本文主要從時(shí)間序列相似性距離度量和聚類分析的角度對(duì)故障診斷技術(shù)進(jìn)行研究,具體內(nèi)容如下:
　　首先,本文研究了時(shí)間序列相似性距離度量的常用算法,針對(duì)傳統(tǒng)

2、的歐式距離匹配效率較低,而 DTW距離度量時(shí)間復(fù)雜度非常高,且不支持相似性比較中時(shí)間軸伸縮、平移的問(wèn)題,提出了基于最長(zhǎng)公共子序列的時(shí)間序列符號(hào)化相似性度量算法。算法引入柔性匹配參數(shù),使得序列匹配能夠減少噪聲干擾,此外規(guī)范了匹配路徑,減少了算法耗時(shí),同時(shí)一定程度上支持時(shí)間序列的各種變換近似匹配,提高了相似性度量的準(zhǔn)確性。
　　其次,在相似性距離度量算法基礎(chǔ)上,提出了一種時(shí)間序列聚類算法,實(shí)現(xiàn)了基于字符距離的聚類模型分析。算法利用E-