时间序列数据分析:逻辑分割阶段的数据

2视图(30天)

显示旧的评论

马克 2015年4月2日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/195797-time-series-data-analysis-logical-segmentation-of-phases-of-data

评论道: dpb 2015年4月2日

我有高速混合各种材料和数据在混合阶段,材料经过不同的阶段变化。超级豪华的搅拌机我控制所需的转子速度和趋势的力量达到这个速度。

在最后阶段,从数据上可以看出,似乎有三个不同的阶段所需的转子功率。第一阶段,材料开始聚集,因此,转子需要更多的权力,以及材料破裂,我们看到一个明显的减少。当这发生时,温度上升,在某些时候,材料致密和颗粒剂。当这种情况发生时,我们看到转子功率急剧增加。这是非常一致的,但是根据我添加什么,我可以得到不同的斜坡上,随着一些事情推迟造粒和其他东西的速度。

所以基本上我有100年代的实验显示这三个不同的阶段但都有非常不同的时间长度。我试图做的是符合这三个阶段用非常简单的线性或多项式适合我可以把更多的基本数字实验设计。

因为我没有很多的时间来看看我想把这个。

附加的数据和一些代码简单地创建X线性段,我希望你们有一些想法如何我可以创建更多的逻辑代码,能够找到这三个部分,因为没有更好的词,这将允许我提取一些基本信息。

数据和代码。对不起,我还没有添加任何评论,但你应该能够运行这个,看看我想做....谢谢

                         clc;清晰的所有;
                        
                         负载(“EL1_Data.mat”)
                        
                         抽搐
                        
                         % dSeg是我们要多少括号
                        
                         dSeg = 6;
                        
                         %创建线性段
                        
                         分等= linspace (min (timeLast), max (timeLast) dSeg);
                        
                         %细胞存储不同的括号
                        
                         第九=细胞(dSeg-1);
                        
                         dataFits = 0 (dSeg-1, 2);
                        
                         % =错误结构();
                        
                         图(1)
                        
                         情节(timeLast rPowLast,“。”)
                        
                         持有在
                        
                         为我= 1:dSeg-1
                        
                         第九{我}=找到(timeLast > =分等(i) & timeLast < =分等(i + 1));
                        
                         [p, s] = polyfit (timeLast第九({}),rPowLast第九({}),1);
                        
                         :dataFits(我)= p;
                        
                         错误(i) = s;
                        
                         [yFit, yErr] = polyval (p, timeLast第九({}),s);
                        
                         第九情节(timeLast ({}), yFit,“- - -”)
                        
                         持有在
                        
                         结束
                        
                         持有从
                        
                         包含(“时间(s)”)
                        
                         ylabel (“转子功率(W)”)
                        
                         toc