导读:本文包含了谱相关论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:固体潮,自适应,相关性,重力,齿轮箱,快速,故障诊断。
谱相关论文文献综述
齐咏生,白宇,高胜利,李永亭[1]（2019）在《基于AVMD和谱相关分析的风电机组轴承故障诊断》一文中研究指出针对传统时频分析方法分解不准确、效率低下的问题,提出一种改进的自适应变分模态分解(AVMD)方法,该方法预先使用短时傅里叶变换预估模态数量,并对原始信号频谱与分量迭加频谱进行谱相关分析筛选最优惩罚因子,提高变分模态分解(VMD)的精确性,与经验模态分解(EMD)、聚合经验模态分解(EEMD)、小波变换相比,该方法分解速度快、准确度高。之后,结合AVMD和谱相关分析提出一种新的滚动轴承故障诊断方法,该方法首先采用AVMD将已知故障信号分解成若干本征模态,并使用主要成分分析(PCA)降维去噪后构成故障模型库;然后对新采集的检测信号进行相同处理得到检测特征向量;最后将检测向量和故障库故障库特征向量分别进行频域内谱相关性分析和判别,实现故障诊断。使用西储大学实验台轴承数据和实际风场采集数据对该方法进行验证,诊断结果表明该方法相比于传统方法,识别率有明显提高。(本文来源于《太阳能学报》期刊2019年07期）
唐贵基,田甜,庞彬[2]（2019）在《基于快速谱相关和PSO-SVM的变工况滚动轴承状态识别》一文中研究指出滚动轴承故障诊断进入"大数据"时代需要不断发展和完善故障智能识别技术,而已有方法在变工况下的故障识别准确率较低。针对此问题,提出了一种基于快速谱相关和粒子群优化支持向量机(PSO-SVM)的变工况滚动轴承状态识别方法。对滚动轴承的振动信号进行快速谱相关,得到快速谱相关谱;在快速谱相关谱中选取4个循环频率,并求其能量均值,得到信号的特征能量矩阵;将它作为特征向量输入PSO-SVM进行训练和测试。试验结果表明:在运用PSO-SVM进行变工况滚动轴承状态识别的过程中,由快速谱相关谱得到的特征能量矩阵能更好地体现滚动轴承在不同工况下的多状态特征,且PSO-SVM的自适应能力强,不需要人为设置参数,具有更高的识别率。(本文来源于《电力自动化设备》期刊2019年07期）
唐贵基,田甜,庞彬[3]（2019）在《基于总变差去噪和快速谱相关的滚动轴承故障诊断》一文中研究指出特征提取在滚动轴承故障诊断中起着至关重要的作用,然而实测的振动信号本质上是复杂的、非平稳的,同时故障轴承的脉冲特征常常淹没于噪声中。为了有效提取强噪声背景下的滚动轴承故障信息,提出一种基于总变差去噪(Total Variation Denoising,TVD)和快速谱相关(Fast Spectral Correlation,Fast-SC)相结合即TVD-Fast SC故障特征提取方法;首先,利用总变差去噪方法对振动信号进行消噪,提高信号的信噪比(SNR);然后,对去噪后的信号进行快速谱相关分析,准确地识别出轴承的故障特征频率。仿真和实验结果表明,该方法可以有效地提取出滚动轴承的微弱故障特征信息,分析效果优于直接快速谱相关方法和小波阈值去噪与快速谱相关结合的方法,为滚动轴承微弱故障特征提取提供一种有效的方法。(本文来源于《振动与冲击》期刊2019年11期）
曹露之[4]（2019）在《基于谱相关的自适应感知技术研究》一文中研究指出在过去十年中,随着有限的频谱资源变得越来越稀缺,认知无线电技术应运而生,频谱感知技术是认知无线电的基础,本文主要研究频谱感知在多带宽信号场景下的应用。现有的频谱感知算法在低信噪比以及多带宽信号场景下检测性能不高,不能有效地针对不同信噪比进行自适应检测,因此本文为有效解决这些问题,研究了基于谱相关的自适应相关性窗能量检测技术和自适应频率分辨率能量检测技术。本文主要工作内容和创新点为:1.提出了自适应相关性窗能量检测算法。传统能量检测算法对低信噪比信号的检测能力较差,推导和仿真表明,针对不同信噪比的信号选取最优的谱相关比率和相关性窗大小,可以提高频谱感知算法对低信噪比信号的检测率。因此,研究了不同信噪比信号下的最优相关性窗大小和最优谱相关比率,并提出了一种自适应相关性窗能量检测算法。该算法先使用粗分辨率进行频谱感知,再使用自适应的谱相关比率和相关性窗大小参数进行进行细分辨率感知,能够解决检测低信噪比信号时检测性能较差的问题。仿真结果验证了自适应相关性窗能量检测算法的检测性能,在保证检测性能的情况下,即虚警率低于5%,检测率高于95%,自适应相关性窗能量检测算法的最低检测信噪比比已有算法能检测降低了3dB左右。2.提出了一种自适应频率分辨率能量检测算法。在多带宽信号的场景下,存在多个信噪比不同的宽带信号,已有算法只能检测单个宽带信号,且在信噪比很低时检测性能开始下降。因此对已有算法做出改进,结合不同信噪比下的最优谱相关比率、最优相关性窗大小和最优Nt,提出了一种自适应频率分辨率能量检测算法。该算法先利用较粗的分辨率快速准确感知频谱,较准确的估计出每个宽带信号的信噪比,然后进行细分辨率感知,在细分辨率感知中针对不同信噪比信号使用其对应的自适应谱相关比率和相关性窗大小参数进行能量检测,解决了在多带宽信号场景下检测性能较差的问题。仿真结果证明,在保证检测性能的情况下,自适应频率分辨率能量检测算法的最低检测信噪比比已有算法能检测降低2dB左右。(本文来源于《北京邮电大学》期刊2019-05-29）
娄文琦,李想,罗汉鹏,刘林,邹杨[5]（2019）在《牛奶的中红外光谱相关变量遗传参数估计》一文中研究指出旨在探究牛奶原始中红外光谱相关变量的遗传规律。本研究收集北京叁元绿荷某牛场1 822头荷斯坦牛生产性能测定数据、中红外光谱数据和系谱数据,使用R语言(v3.51)、SAS(v9.2)、DMU(v6.0)等软件进行主成分分析和遗传参数估计,遗传参数估计使用的动物模型考虑了测定月份、胎次和泌乳天数的固定效应及个体加性遗传效应、永久环境效应的随机效应。结果表明,80%以上中红外光谱变量之间的相关系数达0.500～1.000,且3 574～3 521 cm~(-1)和3 630～3 618 cm~(-1)区域的变量变异程度较高。对中红外光谱的每个波数进行遗传参数估计,大部分波数的遗传力集中于0.010～0.030之间,处于中高遗传力的波数占比约为7%;随遗传力提高,吸光度增大、透射率降低,且变异系数降低。中红外光谱数据可用于探究牛奶成分的遗传规律,从遗传角度提高奶牛质量,为种牛选择提供参考。(本文来源于《畜牧兽医学报》期刊2019年05期）
李智忠,王森,许忠良,戴卫国,刘启军[6]（2019）在《互谱相关的舷侧双线阵空间谱估计方法》一文中研究指出针对舷侧艏艉双线阵基阵结构特点,开展了自适应波束形成和互谱相关的双阵空间谱估计研究。根据互谱测向原理提出了基于互谱相关的空间谱估计方法,与常规波束形成、自适应波束形成进行组合,研究了各不同方法的双线阵谱估计性能。研究结果表明:互谱相关空间谱估计法具有较好的噪声抑制能力;自适应波束形成与互谱相关相结合的空间谱估计方法最适合进行舷侧艏艉双线阵空间谱估计。(本文来源于《系统仿真学报》期刊2019年05期）
矣昕宝,魏巍,全海燕[7]（2019）在《基于独立分量谱相关方法的重力固体潮信号潮汐谐波分析》一文中研究指出为了提取重力固体潮信号各谐波分量间能量差异较大的谐波分量,该文在利用独立分量分析实现重力固体潮信号的加性分解,再利用谱相关分析独立分量间的谱相关特性进行分析,揭示了各谐波间的调制关系.同时,通过对独立分量间的自相关谱和互相关谱的分析,论证了在自相关谱中,能量大的谐波分量被凸显,能量小的谐波分量被抑制,而在互相关谱中,能量较小的谐波分量能更好地凸显出来.结果表明,互相关谱更能够揭示重力固体潮信号中弱的潮汐谐波分量及其调制关系.(本文来源于《华中师范大学学报(自然科学版)》期刊2019年02期）
田甜[8]（2019）在《基于快速谱相关的齿轮箱故障诊断方法研究》一文中研究指出齿轮箱是最重要的机械部件之一,其健康状态直接影响整台设备的运行。若能及时发现齿轮箱的早期微弱故障,就可以有效地避免齿轮箱故障带来的损失。因此研究齿轮箱故障诊断新方法,具有重要的工程意义。滚动轴承和齿轮是齿轮箱的核心零部件,同时故障率较高。因此本文以二者为主要的研究对象,围绕一种新的循环平稳分析方法——快速谱相关,从齿轮箱的微弱故障诊断、复合故障诊断和故障智能识别叁个方面展开研究,主要研究内容如下:首先,阐述了课题开展的背景以及本文所做工作的必要性。归纳和总结了齿轮箱故障诊断研究的国内外现状和发展动态。介绍了循环平稳理论的研究现状,为论文工作的开展做了很好的铺垫。然后简述了快速谱相关的基本原理,并利用滚动轴承和齿轮的故障诊断实例表明快速谱相关能够有效提取故障冲击特征,为论文奠定理论基础。由于齿轮箱工作环境恶劣,齿轮和滚动轴承振动信号的故障特征常常淹没于强烈的背景噪声中。为有效提取强噪声背景下的滚动轴承故障信息,提出了一种基于总变差去噪和快速谱相关的故障特征提取方法。总变差去噪对原始信号进行降噪的同时,较好地保留了故障特征信息。快速谱相关有效地提取了降噪信号的故障冲击特征,有利于准确地进行齿轮箱故障诊断。复合故障信号除故障特征信号外,还包含干扰信号,通过传统的方法难以准确分离故障信号。采用一种基于奇异值分解和快速谱相关的方法用于齿轮箱复合故障诊断。利用奇异值分解将包含故障特征信息的趋势分量与干扰成分分离,然后利用集成快速谱相关方法对趋势分量进行共振解调,实现复合故障分离。针对齿轮箱故障智能识别问题,提出一种基于快速谱相关和粒子群优化支持向量机的故障诊断方法。首先,对故障振动信号进行快速谱相关分析,得到快速谱相关谱;然后在快速谱相关谱中选取四个循环频率并求其能量均值,得到信号的特征能量矩阵;最后,将其作为特征向量输入到粒子群优化支持向量机进行训练和测试,实现故障模式智能诊断。以滚动轴承故障诊断为例验证了算法的有效性。(本文来源于《华北电力大学》期刊2019-03-01）
矣昕宝,魏巍,全海燕[9]（2019）在《基于单形进化优化算法的重力固体潮信号解混及谱相关分析》一文中研究指出为了揭示地球固体潮中谐波成分间的相关乘性调制关系与非相关迭加关系,并根据这些关系来分析重力固体潮信号中隐含的潮汐谐波。根据地球、月球与太阳旋转轨道的位置关系,建立了一个引潮力的正交分解模型。进一步,基于改进单形进化智能优化算法的独立分量分析的重力固体潮正交分解模型上,利用谱相关方法,对重力固体潮的独立成分进行谱相关分析,从而完整实现了潮汐谐波加性正交分解之后的乘性解调。最后,结合实际观测数据,并引入理论信号作为参考背景,利用以上模型与算法进行对比处理和分析。研究表明,所提出的模型与方法可以有效地实现潮汐谐波的正交分解,凸显能量较弱的长周期谐波分量,并从谱相关图谱中反映潮汐谐波调制关系的变化。(本文来源于《地球科学进展》期刊2019年02期）
刘董华,张天骐,梁先明,袁帅[10]（2019）在《基于谱相关的CBOC信号参数盲估计》一文中研究指出针对低信噪比下组合二进制偏移载波(CBOC)调制信号的参数盲估计问题,提出了利用谱相关对CBOC信号进行参数估计方法。首先给出了CBOC信号模型,然后根据CBOC信号的数据通道和导频通道之间有良好的正交性特点,详细推导出其谱相关函数可以化简为两个BOC信号谱相关函数的迭加,最后根据CBOC信号循环频率截面的特点进行峰值检索后,实现对伪码速率、载频速率和副载波速率的盲估计。推导结果和计算机仿真分析表明,该方法可以实现在低信噪比下对伪码速率、载频速率和副载波速率的有效估计。(本文来源于《电讯技术》期刊2019年01期）
谱相关论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
滚动轴承故障诊断进入"大数据"时代需要不断发展和完善故障智能识别技术,而已有方法在变工况下的故障识别准确率较低。针对此问题,提出了一种基于快速谱相关和粒子群优化支持向量机(PSO-SVM)的变工况滚动轴承状态识别方法。对滚动轴承的振动信号进行快速谱相关,得到快速谱相关谱;在快速谱相关谱中选取4个循环频率,并求其能量均值,得到信号的特征能量矩阵;将它作为特征向量输入PSO-SVM进行训练和测试。试验结果表明:在运用PSO-SVM进行变工况滚动轴承状态识别的过程中,由快速谱相关谱得到的特征能量矩阵能更好地体现滚动轴承在不同工况下的多状态特征,且PSO-SVM的自适应能力强,不需要人为设置参数,具有更高的识别率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
谱相关论文参考文献
[1].齐咏生,白宇,高胜利,李永亭.基于AVMD和谱相关分析的风电机组轴承故障诊断[J].太阳能学报.2019
[2].唐贵基,田甜,庞彬.基于快速谱相关和PSO-SVM的变工况滚动轴承状态识别[J].电力自动化设备.2019
[3].唐贵基,田甜,庞彬.基于总变差去噪和快速谱相关的滚动轴承故障诊断[J].振动与冲击.2019
[4].曹露之.基于谱相关的自适应感知技术研究[D].北京邮电大学.2019
[5].娄文琦,李想,罗汉鹏,刘林,邹杨.牛奶的中红外光谱相关变量遗传参数估计[J].畜牧兽医学报.2019
[6].李智忠,王森,许忠良,戴卫国,刘启军.互谱相关的舷侧双线阵空间谱估计方法[J].系统仿真学报.2019
[7].矣昕宝,魏巍,全海燕.基于独立分量谱相关方法的重力固体潮信号潮汐谐波分析[J].华中师范大学学报(自然科学版).2019
[8].田甜.基于快速谱相关的齿轮箱故障诊断方法研究[D].华北电力大学.2019
[9].矣昕宝,魏巍,全海燕.基于单形进化优化算法的重力固体潮信号解混及谱相关分析[J].地球科学进展.2019
[10].刘董华,张天骐,梁先明,袁帅.基于谱相关的CBOC信号参数盲估计[J].电讯技术.2019
论文知识图
