一、准正交变换的判定（论文文献综述）
王俊雄[1]（2021）在《机械复合故障欠定源数目估计及特征分离提取研究》文中研究说明机械设备一般组成结构和运行工况都很复杂,其运转状态极大的影响着生产安全,在设备发生异常情况时,无法对故障源的数量进行准确判断。设备结构复杂性和经济成本等原因,安装传感器的数量会受到限制,由此会导致机械振动的观测信号数目小于故障源的数目的现象屡屡存在。加之传感器拾取的信号通常表现为多个未知振源信号经过未知途径传递后相互耦合。因此,对机械设备欠定情况下的源数目估计和盲源分离进行深入研究显得尤为关键。本文主要研究了欠定情况下混合信号的源数目估计和特征提取,针对一般源数目估计方法的不足和缺陷,研究了一种改进的估计源数目的算法;在源数目被解出的情况下,提出一种基于峭度和快速独立分量分析（FastIndependent Component Analysis,FastICA）相结合的欠定盲源分离方法。文章的核心工作和创新点主要如下:对于欠定条件下振源数目难以估计的问题,提出一种基于变分模态分解（Variational Mode Decomposition,VMD）和奇异值分解（Singular Value Decomposition,SVD）的源数目估计方法。首先对故障振动信号采取VMD分解处理,形成一组本征模态分量组（Intrinsic Mode Function,IMF）,然后对IMF进行重新组合得到多维观测信号并求取其协方差矩阵,最后依据奇异值分解的特征值对信号源数目进行了准确的估计。此外,提出一种基于VMD和FastICA的盲提取方法用于解决欠定情况下机械振动信号分离问题。首先对单一通道的观测信号进行VMD处理,得到多维分量信号;然后根据峭度准则选出与信号源数目数量相同的分量信号进行重新组合,使欠定情况下的单通道信号转变为正定情形的多通道信号;最后利用FastICA方法对形态滤波处理后的多通道信号进行分析,实现机械振动信号的盲源分离。
李志秀[2]（2021）在《正交变换的分类》文中指出正交变换是欧氏空间中一类非常重要的变换,在高等代数体系中起着重要的作用,根据本征值的不同,给出了正交变换在二维空间下的分类,得到四种不同的情形。
王俊雄,周俊[3]（2021）在《VMD-SVD在机械故障信号欠定源数目估计中的应用》文中研究表明针对在观测信号数目小于机械故障振动信号源数目的欠定情况下,源信号的个数难以估计的问题,提出一种变分模态分解（Variational mode decomposition, VMD）和奇异值分解（Singular value decomposition, SVD）相结合的盲源数目估计方法。首先利用VMD对振动信号进行分解,得到若干本征模态函数分量（Intrinsic mode function, IMF）,然后对IMF进行重新组合得到多维观测信号的协方差矩阵,最后依据奇异值分解的结果来对信号源数目进行最终确定。仿真信号分析验证了该方法的有效性,将该方法运用到轴承复合故障振动信号中,分析结果表明,该方法能够实现欠定情况下源数目的可靠估计。
齐咏生,白宇,高胜利,李永亭[4]（2020）在《基于VMD与熵价值的风电机组轴承故障诊断》文中指出风力发电机组滚动轴承工况复杂,其振动信号往往呈现非平稳、非线性的特性。针对传统基于数据的诊断算法不能充分挖掘出非平稳、非现性信号内部本质信息的问题,提出一种变分模态分解（VariableModalDecomposition,VMD）和熵价值的滚动轴承诊断方法。该方法首先采用VMD将原始信号分解成若干本征模态函数,用熵价值法筛选出包含故障信息最多的几个模态,之后计算相应模态的能量熵与其能量构成复合特征向量作为振动信号的特征相量,最后建立基于贝叶斯准则的最小二乘支持向量机（LeastSquares Support Vector Machine, LS-SVM）分类器完成故障诊断,克服硬分类误报率较高的缺陷。将该方法应用于模拟风机滚动轴承数据和故障试验台,结果表明采用VMD与熵价值的特征提取算法可以使特征定位更加准确,有效提高滚动轴承的故障诊断率。
李佳黛[5]（2020）在《刚体航天器交会对接抗饱和姿态控制方法研究》文中研究指明1957年首颗人造地球卫星成功被苏联送入太空,此后世界各国陆续成功发射了几千颗人造卫星,人们的生活也出现了巨大的改变。在航天技术持续发展并越发成熟的同时,空间任务也越来越复杂。从航天器姿态来看,在动力学和运动学的建模与控制上的要求也越来越复杂多样。对于航天器姿态的研究方法通常包括方向余弦法、欧拉四元数法、欧拉角法、罗格里斯参数法以及修正罗格里斯参数法。欧拉角会带来奇异性的问题,所以本文采用四元数来建立模型。航天器所处的空间环境会比较复杂,自身参数以及外界环境等等都是处于变化当中的,所以对于航天器来说,其姿态的控制精度会受到极大的影响。虽然传统控制法大多都是渐近收敛,但是在很多情况下不能满足航天任务在鲁棒性以及控制精度等方面提出的要求。针对传统控制方法的不足,研究者们提出了很多种用于非线性系统的控制方法,比如滑模控制,就能使系统在有限时间内完成向平衡状态的收敛,抗干扰性以及鲁棒性也实现了较大的提升。由于航天任务的多样性以及复杂性,这些非线性控制方法有非常深远的现实意义。航天器交会对接中会产生的问题主要有参数的不确定性,外界干扰力和干扰力矩的不确定性,执行机构的故障以及安装偏差问题,执行机构的输入饱和问题等等。针对空间环境比较复杂,模型参数以及外部干扰无法确定的问题,本文设计出了下面两个自适应控制器。第一种是以径向基神经网络为基础的滑模控制器,第二种是以反步法为基础的考虑执行机构存在的输入饱和问题的控制器。利用数学仿真的方法对这两个控制器进行了验证。在上述控制器中,闭环系统都会表现出全局渐近稳定性,误差四元数也能够通过渐近收敛到达平衡点。仿真结果表明,控制器无论是对模型不确定性还是对外部干扰均能表现出较强的鲁棒性。
白宇[6]（2019）在《一种复合诊断方法及其在滚动轴承故障识别中的应用》文中研究说明随着异常气候,环境问题在全球范围内日益严重,各国对新能源的开发需求日益增加,风电在电力市场中所占比例不断上升。风电机组多安装在环境恶劣的地域,这大大提升了风电机组的维护成本,为了降低风电机组维护成本,开展风电机组的状态监测与故障诊断方法的研究具有至关重要的意义。为了能使风电机组长期安全稳定的运行,从而基于振动信号与模式识别对风电机组故障诊断技术展开研究。首先以风电机组滚动轴承为研究对象,在频域上研究了一种基于自适应变分模态分解（AVMD）-支持向量机（SVM）的故障诊断方法,之后在时域上研究了一种基于数学形态学（MM）-相关性分析（CA）的故障诊断方法,最后为了提高故障诊断的可靠性,结合前两种方法的优点提出了一种基于信息融合的复合诊断方法。主要研究内容如下:（1）针对风电机组中旋转机械振动信号呈现的非线性、非稳定等特性,提出一种基于AVMD-SVM的滚动轴承故障诊断方法。该方法通过AVMD将单分量故障信号分解为不同频率分量的多分量信号,之后使用熵价值法得到信号的特征向量,然后使用SVM对特征向量进行训练,最终根据SVM的输出结果判定信号故障类别。经验证该方法诊断效果良好,但是对于同类型不同损伤程度的故障（未训练）诊断效果欠佳。（2）针对AVMD-SVM方法对同类型不同损伤程度故障诊断效果欠佳的情况,采用了基于MM-CA的滚动轴承故障诊断方法。该方法对故障信号在时域上做MM处理,之后将处理后的信号转变到频域中得到信号特征,最后将待检测信号特征与各个故障类别的信号特征做CA处理,其中相关系数最高的故障类别即为判定结果。结果表明该方法对于同类型不同损伤程度的故障诊断效果良好,但是该方法抗干扰能力相较AVMD-SVM方法弱,对故障的敏感度欠佳。（3）综合上述两种方法的特点,提出了一种基于证据理论的复合诊断方法,该方法使用改进证据理论将上述两种方法的最终诊断结果融合得到新的诊断结果,相较未改进的证据理论提高了融合准确性。复合诊断方法结合了上述两种方法的优点,相比传统的单一故障诊断算法具有更高的识别率和可靠性。
林非[7]（2019）在《基于改进变分模态分解的输电线路自适应重合闸方法研究》文中研究指明特高压（Ultra High Voltage,UHV）交流输电线路具有输送距离远、容量大等特点,但因其常年裸露在外,容易受外界环境等不确定因素影响而发生故障,因此如何切除故障,确保其安全稳定运行具有重大意义。自适应重合闸相比于固定时限的自动重合闸,具有判别故障性质及熄弧时间的功能,能有效防止重合闸重合于永久性故障或电弧未完全熄弧阶段对电力系统及设备造成二次冲击,提高系统的稳定性。本文基于不同故障相端电压的不同特性,提出了故障类型的判别以及熄弧时间的判定方法。首先,本文探讨了自适应重合闸的背景,并对其发展的现状进行了阐述,研究了断路器并联电容的UHV线路发生故障时的电弧特性以及故障相端电压特性。其次,详细分析了并联电容的接入对故障暂态过程的影响,对两种故障类型下的故障相首端电压信号的不同进行了对比分析,并根据两者的差异,提出了基于改进变分模态分解（Variational Mode Decomposition,VMD）和能量熵（Energy Entropy,EE）相结合的自适应重合闸方案。该方案利用改进的VMD方法对故障相端电压信号进行分解,得到带有特征量信号的固有模态函数（Intrinsic Mode Function,IMF）分量,然后计算各IMF分量的能量熵求得原始信号的能量熵,通过不同故障性质下能量熵值的不同,合理设置阈值来判别故障性质。通过与经验模态分解（Empirical Mode Decomposition,EMD）算法对同一故障信号的特性分析,验证了VMD算法的有效性。通过对故障信号进行大量的EMTP仿真,所得的结果表明本文所提方法不受功角差、过渡电阻、并联补偿度及故障点的位置等因素的影响,提高了重合闸成功率。最后,详细分析了UHV输电线路带和不带高压并联电抗器两种情况在发生单相接地故障时,故障相二次电弧熄灭前后端电压信号的频谱特性及能量熵曲线平坦特性。提出了一种基于改进VMD能量熵曲线平坦特性的二次电弧熄弧判定方法。二次电弧在熄灭前包含大量谐波,成分比较复杂,其能量熵值较大,熵值曲线呈尖锐脉冲输出,不具平坦性;而在电弧熄灭后,线路原始储能迅速释放,信号平稳,其能量熵值较小,且快速衰减直至为零,熵值曲线相对平坦。考虑不同变量因素,对其进行大量仿真验证,本文的熄弧判定方法受故障点的位置、并联补偿度、并联高抗的位置以及过渡电阻的大小等因素的影响较小,误差较小,能有效地判定电弧熄弧时间。
付君[8]（2018）在《成对载波多址信号的单通道接收技术研究》文中认为PCMA（Paired carrier multiple access,PCMA）信号是在卫星通信过程中,两个地面站发送的上行信号经卫星转发器转发后直接进行同频混合形成。由于具有节约频带资源和抗截获等性能,而被广泛应用于各种重要通信场合,同时又因为单通道接收系统较为简单、成本较低,因此PCMA信号单通道接收技术具有广阔的应用前景。随着近年通信业务的迅速增长,为了进一步提高信道利用率,卫星通信数字调制信号类型越来越多,PCMA信号也越来越复杂。针对PCMA信号的单通道接收技术,本文主要从PCMA信号的识别、高阶（8PSK）调制下PCMA信号参数估计和与SISO（Soft Input Soft Output,SISO）译码深度联合的PCMA信号分算法等方面展开深入研究,完成的主要工作和创新点概括如下:1.针对从常见的卫星数字调制信号中检测出PCMA信号并对其进行调制类型识别的问题,在不同参数下对比三种实用性较强的PCMA信号检测算法,通过分析发现基于信噪比估计的单通道混合信号识别新算法检测性能优异且无需对接收信号进行定时同步,并对基于平方谱、四次方谱和高阶累积量的PCMA信号的调制类型识别进行仿真,研究门限设置范围,设计PCMA信号检测和识别流程,对常见BPSK混、QPSK混、8PSK混、8QAM混和16QAM混调制的PCMA信号识别性能较好。2.针对非数据辅助高阶调制（8PSK/16QAM）PCMA信号参数估计问题,提出基于信息比特软信息（对数似然比）统计值的分级搜索算法,利用Gibbs采样输出软信息值的统计值表征当前信道参数的准确度,统计值越大信道参数越准确,对PCMA信号的时延、幅度和频偏在各参数所在区间内搜索使软信息统计值最大的一组参数作为参数估计结果,通过分级搜索减少搜索复杂度,并通过迭代提高整体联合估计算法性能,算法无需训练序列即可实现时延、幅度和频偏的联合估计。3.对于结合信道编码的PCMA信号分离问题,针对目前传统迭代分离译码算法由于分离过程的误比特率超出SISO译码器纠错能力范围导致算法无法收敛的现象,提出一种深度联合分离译码算法,算法采用Gibbs分离过程中的逐符号分离步骤和LDPC译码过程中的逐符号译码步骤之间交替更改变量节点似然软信息的方式,在初期译码步骤输出的软信息模值较小,便于分离步骤对译码步骤的结果及时进行纠正,降低整体误比特率,软信息达到译码门限后开始发挥译码作用并最终和分离步骤均收敛。算法能够降低联合分离译码算法的门限并提升整体性能,对于8PSK调制的混合信号在误比特率为10-3时有1dB的性能改善。
赵飞[9]（2017）在《滚动轴承性能退化的累积特征及集成预测模型研究》文中指出滚动轴承广泛应用于旋转机械中,对其性能退化评估和预测有利于更好地掌握其实际运行状态、避免事故发生。当前的退化评估和预测多采用基于数据驱动的方法,其关键在于获得合适的退化指标和构建精确的预测模型。在获取退化指标过程中,常用一些适用于故障诊断的特征评价方法对退化特征进行评价,对退化过程本身考虑较少,适用性不强;同时缺少对数据的整体考虑,提取出的退化特征趋势特性较弱。在退化趋势预测中,构建精确预测模型往往较难实现。为此,本文对滚动轴承性能退化评估和预测中的特征提取、特征选择和集成预测模型进行了研究,内容如下:（1）提出了基于变分模态分解（Variational Mode Decomposition,VMD）和峭度准则的降噪方法及基于多评价指标的退化特征选择方法。利用VMD方法将信号自适应地分解为不同频率成分的分量,并通过峭度准则进行重构,进而消除原始信号中噪声干扰。然后,对滚动轴承振动信号进行了特征提取,包括时域特征、频域特征和小波包能量特征。最后,通过综合考虑单调性、趋势性和鲁棒性这三个评价指标来进行退化特征选择,筛选出有利于退化状态描述和趋势预测的特征。（2）提出了基于累积变换和特征融合的退化指标体系构建方法。针对传统的特征提取方法往往只对单一信号片段进行处理,忽略了信号整体之间的联系的问题,从轴承损伤累积的角度进行考虑,提出了一种基于逐次叠加原理的累积变换方法。通过对原始特征进行累积变换实现挖掘数据整体信息的目的。最后,通过主成分分析（Principal Component Analysis,PCA）对累积特征进行融合,构建出退化指标体系。利用轴承试验数据验证了所提指标体系能够全面清晰地表征轴承退化过程。（3）提出了集成极限学习机（Extreme Learning Machine,ELM）和Adaboost迭代算法的预测模型。针对退化趋势预测中难以构建精确预测模型的问题,提出了ELM-Adaboost集成预测模型,该模型利用ELM构建弱学习器,以Adaboost算法为集成学习框架构建强学习器,将退化指标作为集成预测模型的输入,提高了滚动轴承退化趋势预测的准确性。
赵宇峰[10]（2015）在《单通道时频混叠通信信号盲分离研究》文中研究指明通信信号的盲分离是盲信号处理研究领域的一个重要方向,在通信信号侦测、无线频谱检测和管理等方面有重要应用价值。随着无线通信技术的快速发展和广泛应用,频谱资源日益紧张,电磁环境日趋复杂,在非协作接收通信信号的环境下,单个天线接收到多个多个通信信号的情况越来越普遍,这给通信信号处理和信息获取带来了挑战。由于单通道接收到多个通信信号往往是在时频、频域上是互相重叠的,传统的时域或者频域滤波方法无法分离此类信号,因此对此类信号的盲分离或者盲提取方法进行研究具有重要的理论意义和实际应用价值。本论文的工作主要着重于研究适合实际应用的单通道时频混叠通信信号的盲分离方法和实现算法。首先研究了单通道混合通信信号的调制识别和信号个数估计问题,该问题是后续信号分离的基础；然后,针对同符号率数字通信信号混合和不同符号率数字通信信号混合两种信号混叠方式,分别进行盲分离算法的研究。主要工作及贡献如下：1)提出了一种基于循环频率检测的单信道多信号调制识别和信号个数估计方法。针对单信道同时接收到多个时频重叠的数字通信信号的应用场景,通过分析数字调制信号的二阶和四阶循环累积量的循环频率特性和结构特征,利用不同调制信号的循环频率特征差异,实现了对分量信号调制方式的识别和信号个数估计,其不需要知道各分量信号个数、功率、载频、符号率及定时等先验信息,具有很好的实用性。同时,研究了对分量信号的频偏和符号率的精确估计方法,其基本思想是将符号率和载频估计问题近似为正弦信号的频率估计问题,利用内插法对基于谱线的符号率和载频估计值进行修正,显着地提高了估计精度。2)针对单信道接收两路时频混叠通信信号的场景,提出了两种不同的时延估计方法。首先,在成形滤波器和信道衰落已知的条件下,通过循环统计量得到时延估计的闭式解：其次,在成形滤波器和信道衰落未知条件下,利用两组循环自相关函数,构建关于时延参数的线性方程组,通过解线性方程组获得两个信号时延的闭式解；最后,分析了的时延估计的克拉美罗界。3)对于同符号率数字通信信号混合场景,提出了一种基于格基规约和判决反馈的信号分离方法。通过过采样后的数据建立虚拟多通道模型,并利用该模型的特殊性,引入判决反馈机制,即将虚拟多通道信道矩阵分为前馈部分和反馈部分,通过对前馈部分进行格基规约辅助的SIC检测,该算法获得了接近最大似然符号检测方法的性能,同时其复杂度得到了很大程度的降低。4)对于不同符号率数字通信信号混合的盲分离问题,提出了基于周期时变性的盲分离方法。首先根据分量信号的符号率差异性,利用符号率处的循环统计量实现了对分量信号参数的精确估计。其次,分析了接收信号波形序列与两路信号符号间的线性关系,建立了周期时变虚拟多通道线性模型,在此基础上利用格基规约辅助的SIC检测算法实现了对不同符号率的数字通信信号有效分量。5)设计并实现了一个单通道时频混叠数字通信信号盲分离的实验验证系统,对本文提出的算法进行了实验验证和性能测试,表明了本文提出的方法的有效性。
二、准正交变换的判定（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、准正交变换的判定（论文提纲范文）
（1）机械复合故障欠定源数目估计及特征分离提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题概述 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究背景及意义 |
| 1.2 盲源分离概述 |
| 1.2.1 盲源分离的研究现状 |
| 1.2.2 欠定情况下盲源分离的研究进展 |
| 1.3 盲源分离在机械故障诊断中的应用现状 |
| 1.4 源数目估计的国内外发展状况 |
| 1.5 本文的主要研究工作及章节安排 |
| 第二章 盲源分离及信源数目估计相关知识 |
| 2.1 引言 |
| 2.2 盲信号处理相关理论 |
| 2.2.1 盲信号处理的数学模型 |
| 2.2.2 盲源分离的预处理方法 |
| 2.2.3 盲源分离的基本知识 |
| 2.2.4 分离程度评价准则 |
| 2.3 信源数目估计相关理论 |
| 2.3.1 基于信息论的判断准则 |
| 2.3.2 基于盖氏圆盘判断准则 |
| 2.3.3 基于奇异值分解判断准则 |
| 2.4 本章小结 |
| 第三章 机械复合故障欠定源数目估计方法研究 |
| 3.1 引言 |
| 3.2 欠定情况下的源数目估计方法研究 |
| 3.2.1 特征值分解的源数目估计方法原理 |
| 3.2.2 基于特征值源数目估计方法研究 |
| 3.2.3 基于EMD和 EEMD的欠定源数目估计算法 |
| 3.3 基于VMD-SVD的欠定源数目估计方法研究 |
| 3.3.1 变分模态分解分析 |
| 3.3.2 基于VMD-SVD的源数目估计算法流程 |
| 3.4 仿真信号分析 |
| 3.5 实验研究 |
| 3.6 本章小结 |
| 第四章 基于VMD和 MF-FastICA的欠定盲提取算法研究 |
| 4.1 引言 |
| 4.2 欠定条件下的盲源分离基本原理 |
| 4.3 典型盲源分离算法介绍 |
| 4.3.1 核独立分量分析 |
| 4.3.2 基于形态滤波和KICA盲源分离方法 |
| 4.4 基于VMD-MF-FastICA的欠定盲源分离算法 |
| 4.4.1 VMD和峭度在欠定盲提取中的应用 |
| 4.4.2 FastICA基本原理 |
| 4.4.3 VMD-MF-FastICA算法流程 |
| 4.5 仿真信号分析 |
| 4.6 实验验证 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读硕士学位期间参与的项目 |
| 附录 B 攻读硕士学位期间发表与录用的论文 |
（2）正交变换的分类（论文提纲范文）
| 0 引言 |
| 1 主要定义和引理 |
| 2 主要结果 |
| 3 应用 |
（3）VMD-SVD在机械故障信号欠定源数目估计中的应用（论文提纲范文）
| 1 基本理论 |
| 1.1 变分模态分解 |
| 1.2 VMD分解模态个数K的选取 |
| 1.3 奇异值分解的方法原理 |
| 1.4 源数目估计方法 |
| 2 VMD-SVD源数目估计算法流程 |
| 3 仿真信号分析 |
| 4 实测信号分析 |
| 5 结论 |
（5）刚体航天器交会对接抗饱和姿态控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.2 空间交会对接的基本情况 |
| 1.2.1 交会对接的概念 |
| 1.2.2 交会对接的各个阶段 |
| 1.3 国内外交会对接技术的发展史 |
| 1.3.1 国外的交会对接发展史 |
| 1.3.2 我国的交会对接发展史 |
| 1.4 交会对接的姿态控制研究现状 |
| 1.5 输入饱和问题的基本情况 |
| 1.5.1 研究饱和问题的意义 |
| 1.5.2 抗饱和的国内外研究现状 |
| 1.6 主要研究内容及论文结构 |
| 第2章 航天器交会对接模型以及预备知识 |
| 2.1 引言 |
| 2.2 四元数 |
| 2.2.1 四元数的定义 |
| 2.2.2 坐标系的转换 |
| 2.3 航天器姿态运动学与动力学模型 |
| 2.3.1 建立坐标系 |
| 2.3.2 相对姿态模型 |
| 2.4 系统稳定性理论及预备知识 |
| 2.4.1 滑模变结构控制 |
| 2.4.2 系统稳定性理论 |
| 2.4.3 有限时间控制 |
| 2.4.4 相关数学基础知识 |
| 2.5 本章小结 |
| 第3章 基于神经网络的交会对接控制 |
| 3.1 引言 |
| 3.2 神经网络的基础知识 |
| 3.2.1 神经网络的概念 |
| 3.2.2 神经元模型 |
| 3.2.3 神经网络的分类 |
| 3.3 径向基神经网络的基础知识 |
| 3.3.1 径向基函数的概念 |
| 3.3.2 径向基神经网络的概念 |
| 3.4 基于径向基神经网络设计控制器 |
| 3.5 仿真分析 |
| 3.6 本章小结 |
| 第4章 考虑执行机构输入饱和约束的交会对接控制 |
| 4.1 引言 |
| 4.2 反步法的概念以及设计方法 |
| 4.3 设计控制器 |
| 4.4 仿真研究 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（6）一种复合诊断方法及其在滚动轴承故障识别中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 风电机组传动链故障诊断的研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 信息融合在故障诊断中的研究与应用 |
| 1.4 论文主要研究内容和结构 |
| 第二章 风电机组传动链的典型故障与振动分析 |
| 2.1 风电机组传动链的结构组成 |
| 2.2 滚动轴承的典型故障及振动分析 |
| 2.2.1 滚动轴承的典型故障 |
| 2.2.2 滚动轴承故障信号振动机理 |
| 2.2.3 滚动轴承故障信号特征频率 |
| 2.3 常见的故障信号分析方法 |
| 2.3.1 时域方法 |
| 2.3.2 频域方法 |
| 2.3.3 时频分析方法 |
| 2.4 本章小结 |
| 第三章 基于AVMD-SVM的滚动轴承故障诊断算法 |
| 3.1 变分模态分解理论 |
| 3.1.1 模态定义 |
| 3.1.2 VMD的原理 |
| 3.1.3 自适应变分模态分解(AVMD)算法 |
| 3.2 模态的熵价值理论 |
| 3.3 基于贝叶斯准则的最小二乘支持向量机 |
| 3.3.1 最小二乘支持向量机(LS-SVM) |
| 3.3.2 支持向量机与贝叶斯准则的结合 |
| 3.4 基于AVMD-SVM的故障诊断策略 |
| 3.5 算法实验验证 |
| 3.5.1 实验数据介绍 |
| 3.5.2 AVMD分解 |
| 3.5.3 AVMD参数选取 |
| 3.5.4 熵价值特征提取 |
| 3.5.5 基于AVMD-SVM的故障诊断 |
| 3.6 本章小结 |
| 第四章 基于MM-CA的滚动轴承故障诊断算法 |
| 4.1 引言 |
| 4.2 数学形态学理论 |
| 4.2.1 数学形态学基本原理 |
| 4.2.2 三角型结构元素高的选取 |
| 4.3 相关性分析原理 |
| 4.4 MM-CA故障诊断方法 |
| 4.5 算法实验验证 |
| 4.6 本章小结 |
| 第五章 基于信息融合的滚动轴承故障诊断算法 |
| 5.1 引言 |
| 5.2 证据理论 |
| 5.2.1 证据理论的基本概念 |
| 5.2.2 证据理论的组合规则 |
| 5.3 基于加权证据理论的故障诊断方法 |
| 5.4 实验验证 |
| 5.5 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及取得的科研成果 |
| 个人简介 |
（7）基于改进变分模态分解的输电线路自适应重合闸方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题研究现状 |
| 1.2.1 故障类型判别方法 |
| 1.2.2 熄弧时刻判定方法 |
| 1.3 本文研究内容 |
| 第2章 特高压交流输电线路故障分析 |
| 2.1 单相接地故障分析 |
| 2.2 电弧特性分析 |
| 2.2.1 一次电弧 |
| 2.2.2 二次电弧 |
| 2.3 电弧的建模与仿真分析 |
| 2.3.1 ATP仿真软件 |
| 2.3.2 电弧建模 |
| 2.3.3 电弧仿真分析 |
| 2.4 特高压交流输电线路故障相端电压分析 |
| 2.4.1 双端口并联电容拓扑 |
| 2.4.2 故障相端电压分析 |
| 2.4.3 故障相电压仿真分析 |
| 2.5 并联电容对故障暂态过程的影响 |
| 2.5.1 并联电容对二次电弧电流的影响 |
| 2.5.2 并联电容对恢复电压幅值的影响 |
| 2.6 本章小结 |
| 第3章 基于改进VMD能量熵的故障类型判别 |
| 3.1 VMD能量熵 |
| 3.1.1 VMD方法原理 |
| 3.1.2 能量熵 |
| 3.1.3 VMD方法验证分析 |
| 3.2 改进的VMD能量熵故障判别原理 |
| 3.2.1 系统模型 |
| 3.2.2 改进的VMD算法 |
| 3.3 改进VMD能量熵仿真分析 |
| 3.3.1 分解过程 |
| 3.3.2 VMD与 EMD分解效果比较 |
| 3.3.3 VMD能量熵判据 |
| 3.4 本章小结 |
| 第4章 基于改进VMD能量熵的熄弧时刻判定 |
| 4.1 熄弧时刻判定原理 |
| 4.1.1 带高压并联电抗器 |
| 4.1.2 不带高压并联电抗器 |
| 4.1.3 熄弧判定流程 |
| 4.2 熄弧时刻判定仿真验证 |
| 4.2.1 带高压并联电抗器 |
| 4.2.2 不带高压并联电抗器 |
| 4.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间取得的研究成果 |
（8）成对载波多址信号的单通道接收技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 理论依据 |
| 1.3 研究现状 |
| 1.3.1 PCMA信号的检测和识别 |
| 1.3.2 PCMA信号的参数估计 |
| 1.3.3 PCMA信号的盲分离 |
| 1.4 本文主要工作 |
| 1.4.1 提出问题 |
| 1.4.2 本文研究思路及结构安排 |
| 第二章 PCMA信号的检测和识别 |
| 2.1 引言 |
| 2.2 信号模型 |
| 2.3 PCMA信号检测算法 |
| 2.3.1 基于信噪比估计的PCMA信号检测算法 |
| 2.3.2 基于星座聚集特性的PCMA信号检测算法 |
| 2.3.3 基于幅度平坦度的PCMA信号检测算法 |
| 2.3.4 性能仿真对比 |
| 2.4 PCMA信号调制类型识别 |
| 2.4.1 平方谱/四次方谱 |
| 2.4.2 累积量 |
| 2.4.3 仿真分析 |
| 2.5 识别流程 |
| 2.6 性能仿真 |
| 2.7 本章小结 |
| 第三章 基于软信息统计的PCMA信号参数估计 |
| 3.1 引言 |
| 3.2 信号模型 |
| 3.3 基于软信息统计的PCMA信号参数估计算法 |
| 3.3.1 符号软信息统计值 |
| 3.3.2 Gibbs采样算法 |
| 3.3.3 基于软信息统计的参数估计算法步骤 |
| 3.3.4 性能仿真分析 |
| 3.6 本章小结 |
| 第四章 与SISO译码深度联合的PCMA信号分离算法 |
| 4.1 引言 |
| 4.2 信号模型 |
| 4.3 传统基于迭代处理的分离译码结构 |
| 4.4 LDPC译码算法 |
| 4.5 与SISO译码深度联合的分离算法 |
| 4.5.1 深度联合算法信息传递过程 |
| 4.5.2 深度联合算法步骤 |
| 4.6 性能仿真分析 |
| 4.6.1 收敛性分析 |
| 4.6.2 算法性能 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（9）滚动轴承性能退化的累积特征及集成预测模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 设备性能退化过程研究 |
| 1.4 设备退化预测技术概述 |
| 1.4.1 特征提取方法研究 |
| 1.4.2 特征选择和特征融合方法研究 |
| 1.4.3 退化预测方法研究 |
| 1.4.4 存在的不足 |
| 1.5 本文主要研究内容 |
| 第2章 滚动轴承振动信号降噪和退化特征选择研究 |
| 2.1 引言 |
| 2.2 基于VMD-峭度准则的振动信号降噪处理 |
| 2.2.1 VMD原理 |
| 2.2.2 基于VMD-峭度准则的降噪方法 |
| 2.3 滚动轴承多域特征提取 |
| 2.3.1 时域和频域特征提取 |
| 2.3.2 时频域特征提取 |
| 2.4 基于多评价指标的滚动轴承退化特征选择方法 |
| 2.4.1 性能退化评价指标 |
| 2.4.2 特征选择 |
| 2.5 实例验证 |
| 2.5.1 轴承性能退化试验 |
| 2.5.2 方法验证及结果分析 |
| 2.6 本章小结 |
| 第3章 基于累积变换的退化指标建立 |
| 3.1 引言 |
| 3.2 基于累积变换的累积特征提取 |
| 3.2.1 累积变换算法 |
| 3.2.2 仿真算例 |
| 3.2.3 累积特征提取 |
| 3.3 基于特征融合的退化指标的建立 |
| 3.3.1 PCA算法 |
| 3.3.2 基于PCA的退化指标的建立 |
| 3.4 实例验证 |
| 3.4.1 IMS试验台 |
| 3.4.2 方法验证及结果分析 |
| 3.5 本章小结 |
| 第4章 基于Adaboost和ELM的集成预测模型研究 |
| 4.1 引言 |
| 4.2 ELM介绍 |
| 4.2.1 极限学习机概述 |
| 4.2.2 极限学习机原理 |
| 4.3 AdaBoost算法 |
| 4.4 基于Adaboost和ELM的集成预测模型 |
| 4.5 仿真验证和实例验证 |
| 4.5.1 仿真验证 |
| 4.5.2 试验验证 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（10）单通道时频混叠通信信号盲分离研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 研究现状 |
| 1.2.1 基于滤波和干扰消除的方法 |
| 1.2.2 基于符号和信号参数的联合估计方法 |
| 1.3 研究内容和研究思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究思路 |
| 1.4 论文结构 |
| 第2章 通信信号的循环平稳特性 |
| 2.1 引言 |
| 2.2 循环平稳随机过程 |
| 2.3 循环自相关函数 |
| 2.4 高阶循环累积量 |
| 2.4.1 时变累积量 |
| 2.4.2 循环累积量 |
| 2.5 几种常用通信信号的循环自相关函数 |
| 2.5.1 MPSK信号循环自相关函数 |
| 2.5.2 MQAM信号循环自相关函数 |
| 2.5.3 OQPSK信号循环自相关特征 |
| 2.6 几种常用通信信号的循环累积量 |
| 2.6.1 MPSK信号的四阶循环累积量 |
| 2.6.2 MQAM信号的四阶循环累积量 |
| 2.6.3 OQPSK信号的四阶循环累积量 |
| 2.7 小结 |
| 第3章 单通道时频混叠通信信号的调制识别 |
| 3.1 引言 |
| 3.2 信号模型和问题描述 |
| 3.3 接收信号的循环频率特征 |
| 3.3.1 常用数字调制信号的二阶和四阶循环累积量特征 |
| 3.3.2 混合数字调制信号的循环频率特征 |
| 3.4 混合信号的循环频率检测 |
| 3.5 调制识别算法 |
| 3.6 符号率、载波频偏估计算法 |
| 3.7 仿真实验 |
| 3.7.1 调制识别和信号个数估计仿真 |
| 3.7.2 符号率和频偏估计算法仿真 |
| 3.8 小结 |
| 第4章 单通道同符号率信号混合的盲分离 |
| 4.1 引言 |
| 4.2 信号模型 |
| 4.3 相位、幅度估计 |
| 4.3.1 基于循环统计量的估计方法 |
| 4.3.2 仿真实验 |
| 4.4 时延估计 |
| 4.4.1 循环自相关函数与两路信号的时延关系 |
| 4.4.2 参数未知条件下的时延估计算法 |
| 4.4.3 参数已知条件下的时延估计算法 |
| 4.4.4 混合信号时延估计的克拉美罗界分析 |
| 4.4.5 仿真实验 |
| 4.5 单通道同符号率信号分离 |
| 4.5.1 格基规约理论 |
| 4.5.2 基于格基规约的低复杂度检测 |
| 4.5.3 虚拟多通道模型 |
| 4.5.4 信号分离算法 |
| 4.5.5 仿真实验 |
| 4.6 小结 |
| 第5章 单通道不同符号率信号混合的盲分离 |
| 5.1 引言 |
| 5.2 信号模型 |
| 5.3 分量信号的特征参数估计 |
| 5.3.1 接收信号的循环自相关 |
| 5.3.2 幅度和时延估计 |
| 5.3.3 初始相位估计 |
| 5.4 信号分离 |
| 5.4.1 虚拟多通道模型 |
| 5.4.2 检测算法 |
| 5.5 复杂度分析 |
| 5.6 仿真实验 |
| 5.7 小结 |
| 第6章 实验验证系统的设计和测试结果 |
| 6.1 实验验证系统的框架 |
| 6.1.1 实验验证系统的硬件设计 |
| 6.1.2 实验验证系统的软件设计 |
| 6.2 测试结果 |
| 6.3 小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间的研究成果 |
四、准正交变换的判定（论文参考文献）
- [1]机械复合故障欠定源数目估计及特征分离提取研究[D]. 王俊雄. 昆明理工大学, 2021(01)
- [2]正交变换的分类[J]. 李志秀. 滨州学院学报, 2021(02)
- [3]VMD-SVD在机械故障信号欠定源数目估计中的应用[J]. 王俊雄,周俊. 机械科学与技术, 2021(12)
- [4]基于VMD与熵价值的风电机组轴承故障诊断[J]. 齐咏生,白宇,高胜利,李永亭. 控制工程, 2020(12)
- [5]刚体航天器交会对接抗饱和姿态控制方法研究[D]. 李佳黛. 哈尔滨工程大学, 2020(06)
- [6]一种复合诊断方法及其在滚动轴承故障识别中的应用[D]. 白宇. 内蒙古工业大学, 2019(01)
- [7]基于改进变分模态分解的输电线路自适应重合闸方法研究[D]. 林非. 湖南大学, 2019(06)
- [8]成对载波多址信号的单通道接收技术研究[D]. 付君. 战略支援部队信息工程大学, 2018(01)
- [9]滚动轴承性能退化的累积特征及集成预测模型研究[D]. 赵飞. 中国石油大学（北京）, 2017(02)
- [10]单通道时频混叠通信信号盲分离研究[D]. 赵宇峰. 中国科学技术大学, 2015(09)