导读:本文包含了局部奇异值特征论文开题报告文献综述及选题提纲参考文献，主要关键词:局部放电,相空间重构,奇异谱熵,高阶统计量
局部奇异值特征论文文献综述
杨丰源,宋辉,程序,高兆丽,陶诗洋[1]（2016）在《基于多分辨高阶奇异谱熵分析的局部放电信号特征提取》一文中研究指出局部放电信号特征提取是电力设备绝缘缺陷模式识别和故障诊断的关键步骤。奇异谱熵分析(singular spectrum entropy analysis,SSEA)理论研究了局部放电信号的复杂性和无规则程度,但无法充分反映信号内在非线性特性。使用局放信号4阶累积量切片代替SSEA的协方差矩阵,并引入集合经验模态分解理论(ensemble empirical mode decomposition,EEMD)实现方法多尺度化,提出了局部放电信号多分辨高阶奇异谱熵分析(multi-scale higher order singular spectrum entropy analysis,M-HSSEA)方法。通过分析仿真局放信号,该方法提取的熵特征向量能够有效提高噪声抑制能力,并且增强了相空间重构参数鲁棒性。在户外变电站环境中设计了3种典型局部放电缺陷,运用该方法求取特高频信号熵特征向量并使用RBF神经网络进行分类,获得了较高识别正确率,从而验证了文中方法有效性及适用性。(本文来源于《电网技术》期刊2016年10期）
崔伟成,李伟,孟凡磊,刘林密[2]（2016）在《奇异值分解降噪结合局部特征尺度分解的轴承故障诊断》一文中研究指出局部特征尺度分解(Local characteristic-scale decomposition,LCD)是一种崭新的自适应时频分析方法,在旋转机械故障诊断领域得到了初步的应用。在研究噪声对LCD影响的基础上,提出了一种奇异值分解(Singular value decomposition,SVD)降噪与LCD相结合的轴承故障诊断方法。首先对信号进行相空间重构,然后运用SVD降噪,对降噪信号进行LCD,将得到的内禀尺度分量进行包络谱分析提取故障特征。通过数据仿真与轴承内圈故障数据分析,验证了该方法的有效性。(本文来源于《机械传动》期刊2016年05期）
唐炬,董玉林,樊雷,李莉苹[3]（2015）在《基于Hankel矩阵的复小波–奇异值分解法提取局部放电特征信息》一文中研究指出气体绝缘组合电器(gas insulated switchgear,GIS)在产生局部放电(partial discharge,PD)时,会向外辐射特高频(ultra-high frequency,UHF)电磁信号,有效提取UHF PD信号的特征信息可实现GIS的在线监测与故障诊断。针对UHF PD信号经过复小波变换后,层间奇异信息分布和层内奇异信息复杂度的差异性,采用二元树复小波变换(combined dual-tree complex wavelet transform,DT-CWT)和奇异值分解(singular value decomposition,SVD)相结合的信号处理方法,提取了UHF PD信号的特征信息。采用Birge-Massart阈值策略对DT-CWT分解后的复小波系数模值序列进行压缩,并构造复合矩阵,分析复合矩阵的奇异熵和复小波分解层数的关系,提出一种求解复小波最优分解层数的算法;利用最优分解层数下的压缩后的各高频系数模值序列构造Hankel矩阵,提取各Hankel矩阵的最大奇异值和奇异熵作为PD辨识的特征参量。结果表明:该特征可以有效识别4种典型绝缘缺陷,且识别率都到达了92%及以上。(本文来源于《中国电机工程学报》期刊2015年07期）
赵江南,陈守余,左仁广[4]（2012）在《个旧锡多金属矿集区高松矿田矿化元素局部富集的奇异性特征》一文中研究指出多重分形理论能够有效地分析地球化元素局部富集和贫化规律。对取自个旧高松矿田的1 783件断裂构造地球化学样品的13种元素进行了多重分形统计以及局部奇异性方法分析。结果表明:多重分形维谱函数α-f(α)曲线呈连续上凸的特征,曲线的不对称反映了元素局部富集程度差异,并据此将13种元素划分为包含Sn、Cu、Pb、Ag、As、Mn在内的主要成矿元素组合以及包含Zn、Sb、Cd、W、Mo、Bi、Hg的次要成矿元素或伴生元素组合。多重分形的特征值τ″(1)以及Dq的变化规律表明:在主要成矿元素中,Sn在断裂空间上局部富集程度最高,其次为Ag,而Cu相对最低,各元素的τ″(1)值与对应的变异系数的大小具有较为显着的相关性;各元素在空间上的奇异性指数α增强了地球化学富集地段的指示信息,可以作为判别局部富集的重要参数。运用多重分形方法可揭示矿化元素局部富集的奇异性特征以及空间局部富集规律。(本文来源于《吉林大学学报(地球科学版)》期刊2012年S1期）
杜林,戴斌,陆国俊,孙才新,王有元[5]（2010）在《基于S变换局部奇异值分解的过电压特征提取》一文中研究指出针对实测过电压信号波形不规则、不易识别问题,根据矩阵奇异值的特点,提出了一种采用S变换和局部奇异值分解的过电压特征提取方法。首先通过S变换得到过电压发生时零序电压的时频模值矩阵,然后对矩阵进行划分,计算各个子矩阵的最大奇异值,利用最大奇异值在不同频带以及整个时频空间的分布差异来构造过电压特征量。对变电站实测的感应雷过电压等五种过电压信号的计算表明,所提取的特征量维数低,对过电压信号随机扰动具有相对稳定性,能提取出过电压的本质特征。(本文来源于《电工技术学报》期刊2010年12期）
彭复员,杨国良,李旭涛[6]（2008）在《基于增量特征和局部奇异性的水下图像分割法》一文中研究指出针对深海叁类典型的纹理:热液、岩石和海水,提出了一种新的基于增量特征和局部奇异性的水下图像分割方法.定义了一种新的增量特征s(d),反映像素点由小尺度到大尺度变化的剧烈程度;利用二维小波变换分析图像局部奇异性,并结合多项式拟合的方法提取奇异性特征P;最后根据s(d)和P组成特征矢量,结合k均值聚类方法,对图像进行分割.实验结果表明该方法能有效地分割出上述叁类纹理.(本文来源于《华中科技大学学报(自然科学版)》期刊2008年02期）
吕勇,李友荣,王志刚,朱瑞荪[7]（2007）在《基于奇异值分解及包络分析的齿轮局部故障特征提取》一文中研究指出提出了将信号进行相空间重构后再采用奇异值分解,对分解后的主成分进行包络分析,从而提取信号的隐含特征的方法,并将该方法应用于齿轮的局部故障振动特征信号的提取中。数值仿真实验结果表明,该方法能有效提取强背景信号及噪声中的弱冲击特征信号,是一种有效的弱信号特征提取方法。采用该方法对齿轮振动信号进行故障特征提取与识别,结果与实际情况相符。(本文来源于《机床与液压》期刊2007年05期）
庞学诚[8]（1986）在《亚纯函数的奇异方向与局部特征的等价》一文中研究指出关于亚纯函数的Borel 方向的存在性,首先由G.Yaliron 得到定理A 设f(z)为开平面上ρ(O<ρ<+∞)级亚纯函数,则存在一条从原点出发的半直线B:arg z=θ_0(0≤θ_0<2π),使得至多除去两个例外的复数,对于每个复数a 和任意正数s,有sum from r→∞to —logn(r,θ_0,ε,f=a)/logr=ρM.Biernacki 建立了定理B 设f(z)为开平面上ρ(0<ρ<+∞)级亚纯函数,则存在一条从原点出发的半直线B:argz=θ_0(0≤θ_0<2π),使得至多(本文来源于《自然杂志》期刊1986年02期）
局部奇异值特征论文开题报告
（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：
局部特征尺度分解(Local characteristic-scale decomposition,LCD)是一种崭新的自适应时频分析方法,在旋转机械故障诊断领域得到了初步的应用。在研究噪声对LCD影响的基础上,提出了一种奇异值分解(Singular value decomposition,SVD)降噪与LCD相结合的轴承故障诊断方法。首先对信号进行相空间重构,然后运用SVD降噪,对降噪信号进行LCD,将得到的内禀尺度分量进行包络谱分析提取故障特征。通过数据仿真与轴承内圈故障数据分析,验证了该方法的有效性。
（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。
局部奇异值特征论文参考文献
[1].杨丰源,宋辉,程序,高兆丽,陶诗洋.基于多分辨高阶奇异谱熵分析的局部放电信号特征提取[J].电网技术.2016
[2].崔伟成,李伟,孟凡磊,刘林密.奇异值分解降噪结合局部特征尺度分解的轴承故障诊断[J].机械传动.2016
[3].唐炬,董玉林,樊雷,李莉苹.基于Hankel矩阵的复小波–奇异值分解法提取局部放电特征信息[J].中国电机工程学报.2015
[4].赵江南,陈守余,左仁广.个旧锡多金属矿集区高松矿田矿化元素局部富集的奇异性特征[J].吉林大学学报(地球科学版).2012
[5].杜林,戴斌,陆国俊,孙才新,王有元.基于S变换局部奇异值分解的过电压特征提取[J].电工技术学报.2010
[6].彭复员,杨国良,李旭涛.基于增量特征和局部奇异性的水下图像分割法[J].华中科技大学学报(自然科学版).2008
[7].吕勇,李友荣,王志刚,朱瑞荪.基于奇异值分解及包络分析的齿轮局部故障特征提取[J].机床与液压.2007
[8].庞学诚.亚纯函数的奇异方向与局部特征的等价[J].自然杂志.1986