导读:本文包含了模糊熵论文开题报告文献综述、选题提纲参考文献，主要关键词:模糊,分解,模态,故障诊断,经验,轴承,指标。
模糊熵论文文献综述写法
李海珠,邓瑞祥,王选仓,李满囤,丁龙亭[1]（2019）在《基于区间值犹豫模糊熵的DB模式指标权重确定》一文中研究指出为了解决DB模式施工评标中专家对评标指标权重打分时的不确定性,进一步提高指标权重的合理性,本文将区间值犹豫模糊熵的数学模型引入到DB模式施工评标方法中。在招标文件编制阶段利用区间值犹豫模糊熵计算公式对指标进行权重分配,使得犹豫这一不确定因素能够很好地应用到公路工程的施工评标中。通过陕西省某DB模式高速公路施工评标实例,验证了该方法的可行性。研究结果表明:考虑犹豫因素后的评标方法,更能反映评标专家打分时的不确定性,从而削弱评标专家打分时对评标结果的主观影响,使得改进后的方法能够很好地适用于公路工程施工评标。(本文来源于《土木工程与管理学报》期刊2019年05期）
孙堃,赵萌萌,沈美娜,刘达,陈广娟[2]（2019）在《基于CEEMD和模糊熵的随机森林风力发电功率预测》一文中研究指出提出一种基于完备总体经验模态分解(CEEMD)和模糊熵的随机森林(RF)风力发电功率预测模型。利用CEEMD将目标序列细分为若干子序列,放大输入变量波动对最终输出结果的影响。以模糊熵值大小作为重组的评判指标,将复杂程度相近的子序列重新组合成为若干新序列。再针对不同波动属性的序列建立随机森林模型并进行模型参数优化。实证分析表明推荐模型在选取数据集中具有更好的预测能力,从而验证了该方法在风力发电功率预测领域的可行性和有效性。(本文来源于《智慧电力》期刊2019年10期）
赵辉,华海增,岳有军,王红君[3]（2019）在《基于互补集合经验模态分解-模糊熵-深度信念网络的短期风速预测》一文中研究指出针对原始风速序列具有非线性、非平稳性和不可控性的问题,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-模糊熵(fuzzy entropy,FE)-深度信念网络(deep belief network,DBN)的短期风速预测模型。首先,利用CEEMD方法将原始风速序列分解为一系列不同尺度的本征模态分量(IMF)以降低其非平稳性;其次,利用模糊熵方法将多个IMF分量进行重组以避免分量数目过多给预测精度造成的影响;最后,利用深度信念网络其强大的深度特征提取能力和非线性映射学习能力的优点,分别对新的分量进行预测和迭加获得最终预测值。实验表明,较BP神经网络模型和DBN模型,组合模型提高了预测精度,具有可行性和有效性。(本文来源于《科学技术与工程》期刊2019年29期）
戴邵武,陈强强,戴洪德,聂子健[4]（2019）在《基于平滑先验分析和模糊熵的滚动轴承故障诊断》一文中研究指出由于机械系统的复杂性,振动信号的随机性表现在不同尺度上,基于对振动信号进行多尺度的模糊熵(FE)分析,提出了基于平滑先验分析(SPA)和模糊熵的滚动轴承故障诊断方法。采用SPA方法对振动信号进行自适应分解,得到振动信号的趋势项和波动项;分别计算趋势项和波动项的模糊熵;将模糊熵值作为特征向量,输入至基于优化算法的支持向量机(OSVM)。将该方法应用于滚动轴承实验数据,分析结果表明:该方法在仅提取两个分量特征的情况下即可达到100%的故障诊断精度,可有效实现滚动轴承的故障诊断。(本文来源于《航空动力学报》期刊2019年10期）
王志,李有儒,田晶,刘丽丽,李吉凯[5]（2019）在《基于EMD模糊熵与会诊决策融合模型的中介轴承故障诊断技术》一文中研究指出针对航空发动机中介轴承故障信号难于识别的问题,提出了1种融合k NN、SVM、CART、RF及GBDT 5种算法的会诊决策融合模型。基于中介轴承故障模拟试验台开展某型航空发动机中介轴承故障试验验证。采用EMD算法对采集的振动故障信号进行分解,提取IMF分量的模糊熵作为故障特征。利用建立的会诊模型对中介轴承内环故障、内环-滚动体耦合故障、正常、滚棒剥落、滚棒划伤5种不同状态进行识别。试验研究表明:会诊模型的故障诊断准确率高达92.5%,并表现出良好的泛化能力。(本文来源于《航空发动机》期刊2019年05期）
许冬萍,陈峰[6]（2019）在《基于改进小波变换和模糊熵的脑电信息研究》一文中研究指出针对运动想象信号(Motor imagery,MI)在脑机接口应用中存在干扰问题的现象,如何得到纯净的脑电信号成为当前研究方向之一。通过选择母波函数、分解层数以及阈值策略的交叉组合,对原始脑电信号进行滤波处理,滤除原有信息中的噪声信号以便能得到信息较多的脑电信号。采用传统使用的信噪比SNR和均方根误差RMSE评价指标。并结合小波变换(WT)与模糊熵算法进行脑电信号特征提取,结合Fisher线性判别器对滤波后的信号进行分类识别。实验结果表明,选取coif3小波基函数,Rigrsure阈值函数,分解层数2层时具有最佳分解性能。且对2003BCI竞赛数据进行处理时,训练集和测试集分类准确率相较其它算法有效的提高了识别性能。(本文来源于《计算机仿真》期刊2019年10期）
李楚瑛,赵元凤[7]（2019）在《基于叁角模糊熵的内蒙古农村电子商务发展水平测度》一文中研究指出本文参照信息化测度理论,借鉴权威机构的研究成果,从基础设施建设、农村电商使用程度及使用效果叁方面出发,构建了内含14个指标的农村电子商务评价指标体系,并运用叁角模糊熵模型对农村电子商务发展水平进行了测度,实证结果表明:内蒙古农村电子商务整体发展不充分,各旗县在叁个准则层下未能实现同步发展,另外农村电子商务发展不平衡的问题也较为突出,东部区明显优于西部区,电子商务示范县的发展也优于非示范县,但差距不大。(本文来源于《内蒙古科技与经济》期刊2019年18期）
刘玉玲[8]（2019）在《基于模糊熵法和TOPSIS的服务质量评价方法研究——以城市轨道交通为例》一文中研究指出本文基于模糊熵法和理想点逼近法建立了服务质量评价模型,以城市轨道交通为例,根据其服务特点,构建轨道交通评价指标体系,对乘客进行问卷调查得到实际数据,运用模型对轨道交通服务质量进行量化评价与比较,根据计算结果和实际情况进行分析并给出建议。(本文来源于《大众标准化》期刊2019年12期）
刘晓婉[9]（2019）在《基于CEEMDAN模糊熵和SVM的滚动轴承故障诊断》一文中研究指出针对滚动轴承振动信号非平稳性及特征信息复杂问题,提出一种基于自适应白噪声完备经验模态分解模糊熵和支持向量机相结合的故障诊断方法。首先,采用CEEMDAN,将滚动轴承振动信号分解成若干个固有模态函数分量,并根据相关系数—峭度准则选取可有效表征信号自身特性的模态分量;然后,计算各敏感IMF分量模糊熵,并构建高维特征向量;最后,将高维特征向量输入SVM中,以实现对故障类型和工作状态的有效诊断。试验结果表明,该方法可有效对滚动轴承故障进行诊断。(本文来源于《现代制造技术与装备》期刊2019年09期）
许凡,谢伟达[10]（2019）在《基于精细复合多尺度模糊熵与粒子群优化支持向量机的滚动轴承故障诊断（英文）》一文中研究指出提出了一种结合精细复合多尺度模糊熵和采用粒子群优化支持向量机滚动轴承故障诊断模型。通过使用白噪声和1/f噪声的数值仿真实验中比较平滑度和分解精度的有效性,与精细复合多尺度样本熵和多尺度模糊熵相比,精细复合多尺度模糊熵的平滑度优于这些模型。随后使用精细复合多尺度模糊熵,精细复合多尺度样本熵和多尺度模糊熵对不同状态的滚动轴承振动信号进行特征提取,将提取的特征向量作为粒子群优化的支持向量机的输入实现滚动轴承故障诊断。实验结果表明,精细复合多尺度模糊熵的平滑度优于精细复合多尺度样本熵和多尺度模糊熵,同时,故障分类精度高于精细复合多尺度样本熵和多尺度模糊熵。(本文来源于《Journal of Central South University》期刊2019年09期）
模糊熵论文开题报告范文
（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：
提出一种基于完备总体经验模态分解(CEEMD)和模糊熵的随机森林(RF)风力发电功率预测模型。利用CEEMD将目标序列细分为若干子序列,放大输入变量波动对最终输出结果的影响。以模糊熵值大小作为重组的评判指标,将复杂程度相近的子序列重新组合成为若干新序列。再针对不同波动属性的序列建立随机森林模型并进行模型参数优化。实证分析表明推荐模型在选取数据集中具有更好的预测能力,从而验证了该方法在风力发电功率预测领域的可行性和有效性。
（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。
模糊熵论文参考文献
[1].李海珠,邓瑞祥,王选仓,李满囤,丁龙亭.基于区间值犹豫模糊熵的DB模式指标权重确定[J].土木工程与管理学报.2019
[2].孙堃,赵萌萌,沈美娜,刘达,陈广娟.基于CEEMD和模糊熵的随机森林风力发电功率预测[J].智慧电力.2019
[3].赵辉,华海增,岳有军,王红君.基于互补集合经验模态分解-模糊熵-深度信念网络的短期风速预测[J].科学技术与工程.2019
[4].戴邵武,陈强强,戴洪德,聂子健.基于平滑先验分析和模糊熵的滚动轴承故障诊断[J].航空动力学报.2019
[5].王志,李有儒,田晶,刘丽丽,李吉凯.基于EMD模糊熵与会诊决策融合模型的中介轴承故障诊断技术[J].航空发动机.2019
[6].许冬萍,陈峰.基于改进小波变换和模糊熵的脑电信息研究[J].计算机仿真.2019
[7].李楚瑛,赵元凤.基于叁角模糊熵的内蒙古农村电子商务发展水平测度[J].内蒙古科技与经济.2019
[8].刘玉玲.基于模糊熵法和TOPSIS的服务质量评价方法研究——以城市轨道交通为例[J].大众标准化.2019
[9].刘晓婉.基于CEEMDAN模糊熵和SVM的滚动轴承故障诊断[J].现代制造技术与装备.2019
[10].许凡,谢伟达.基于精细复合多尺度模糊熵与粒子群优化支持向量机的滚动轴承故障诊断（英文）[J].JournalofCentralSouthUniversity.2019