“İntegralin ortalaması” ndan daha iyi bir isim var mı?

İşletmemin sattığı gaz kelebeği konum sensörlerini (TPS) test ediyorum ve gaz kelebeği milinin dönüşüne voltaj tepkisi grafiğini yazdırıyorum. Bir TPS, 90 ° aralıklı bir dönel sensördür ve çıkış, tam açıklığı 5V (veya sensörün giriş değeri) ve başlangıç ​​açıklığı 0 ile 0,5V arasında bir değer olan bir potansiyometre gibidir. Her 0.75 ° 'de bir gerilim ölçümü yapmak için bir PIC32 kontrol cihazı ile bir test tezgahı oluşturdum ve siyah çizgi bu ölçümleri bağlar.$\approx$

Ürünlerimden biri, yerelleştirilmiş, düşük genlikli varyasyonları ideal çizgiden (ve alttan) uzaklaştırma eğilimindedir. Bu soru, bu yerelleştirilmiş "düşüşleri" ölçmek için algoritmam hakkında; düşüşleri ölçme işlemi için iyi bir isim veya açıklama nedir? (tam açıklama aşağıdaki gibidir) Aşağıdaki resimde, daldırma çizimin sol üçte birinde gerçekleşir ve bu kısmı geçip geçmeyeceğim marjinal bir durumdur:

Bu yüzden bağırsak hissimi ölçmek için bir dip dedektörü ( algoritma hakkında yığın akışı qa ) oluşturdum. Başlangıçta "alanı" ölçtüğümü düşündüm. Bu grafik, yukarıdaki çıktıya ve algoritmayı grafiksel olarak açıklama girişimime dayanmaktadır. 17 ila 31 arasında 13 numune için daldırma vardır:

$deltas$$deltas$

$deltas$$\frac {dy}{dx}$

$deltas$$deltas$

$0.7 + 1.2 + 1.3 + 1.4 + 1.8 + 2.5 + 2.9 + 3.0 + 2.5 + 2.0 + 1.5 + 1.0 + 1.2$

$23$

Yeşil çizgi, alanı daldırma uzunluğuna bölerek bulunan bu "ortalama değerlerin altında" ortalamasıdır:

$23 \div 13 = 1.77$

$2.6$$3.0$

$|deltas - avg| > avg+std dev$

Calc 1, bu yüzden bana nazik lütfen bu yana neredeyse 20 yıl geçti, ancak bu hissediyor profesörü kullanılan matematik ve deplasman denklemi yarışlarında, daha az hızlanma ile bir yarışmacı başka yenebilir yüksek köşe hızını korur kim nasıl açıklamak zamanki gibi çok bir sonraki dönüşe daha fazla ivmesi olan yarışmacı: bir önceki dönüşten daha hızlı ilerlerken, daha yüksek başlangıç ​​hızı, hızının (yer değiştirme) altındaki alanın daha büyük olduğu anlamına gelir.

Bunu soruma çevirmek için, yeşil çizgimin orijinal verilerin 2. türevi olan hızlanma gibi olacağını hissediyorum.

Analizin temellerini ve türev ve integralin tanımlarını yeniden okumak için wikipedia'yı ziyaret ettim , Sayısal Entegrasyon olarak gizli ölçümlerle alanı bir eğri altında toplamak için uygun terimi öğrendim . İntegralin ortalama çok daha fazla googling ve ben doğrusal olmayanlık ve dijital sinyal işleme konusuna götürüyorum. İntegralin ortalaması, verilerin ölçülmesi için popüler bir metrik gibi görünüyor .

$1.77$

Her şeyden önce, bu projenizin ve sorunun harika bir açıklamasıdır. Ve ben süper serin olan ev yapımı ölçüm çerçevenizin büyük bir hayranıyım ... Öyleyse neden "integralleri ortalama" olarak adlandırdığınız şeyin önemi var?

$x[n]$

Bir cihazı hatalı olarak sınıflandırmak amacıyla dikkate almak isteyebileceğiniz başka kurallar da vardır:

• herhangi bir sapma (delta) tüm deltaların SD'sinin katlarından daha büyükse
• sapmaların kare toplamı belirli bir eşikten büyükse
• pozitif ve negatif deltaların toplamının oranı yaklaşık olarak eşit değilse (tek bir yönde güçlü bir sapma yerine her iki yönde daha küçük hataları tercih ediyorsanız faydalı olabilir)

Tabii ki daha fazla kural bulabilir ve boole mantığını kullanarak bunları birleştirebilirsiniz, ancak bence yukarıdaki üçle çok uzağa gidebilirsiniz.

Son fakat en az değil, bir kez kurduktan sonra, sınıflandırıcıyı test etmeniz gerekir (bir sınıflandırıcı, bir sınıfın girişini, sizin durumunuzda, her cihazın verilerini "iyi" veya " arızalı "). Her cihazın performansını manuel olarak etiketleyerek bir test seti oluşturun. Daha sonra , sisteminizin geri gönderilen cihazdan kaç tane cihazı doğru bir şekilde aldığını, hatalı cihazların kaçını seçtiğiyle ilgili ofseti söyleyen ROC'ye bakın .