7个研究背景和意义示例,教你写计算机经验模态分解论文

今天分享的是关于经验模态分解的7篇计算机毕业论文范文, 如果你的论文涉及到经验模态分解等主题,本文能够帮助到你

广播电台监管平台的数据管理及应用系统开发

这是一篇关于广播电台监管平台,数据管理,数据挖掘,信号能量检测,经验模态分解,差分整合移动平均自回归模型的论文, 主要内容为目前,无线电技术正处在一个高速发展的阶段,广播、电视、移动电话、微波通信、卫星通信、导航、物联网等无线电技术业务都得到巨大的进步。随着无线电技术的发展及应用需求快速扩张,无线电频谱资源的科学管理及保护显得尤为重要,尤其是在面对数字化技术导致射频数字化特征的当下,利用创新技术研究并开发智能化无线电监测与管理手段成为重要的发展方向。无线电广播是人们日常生活必不可少的因素,是信息传递的重要媒介,为保护无线电广播的频谱资源不受非法侵占、恶意干扰,也为及时发现并处置非法广播,国家及地方政府建设了多层级的无线电广播监测台站和监测系统,成果显著。但随着监测任务的持续增加,监测工作量增长迅猛,依托人工监测与分析的现有体系日益凸显出分析不彻底、历史数据利用率低下、效率低下等缺陷,亟需在无线信号检测、无线信号大数据管理与分析方面开展技术创新和系统研发。本文面向无线广播信号监测与分析需求,从广播信号检测、信号预测、信号数据管理方面开展研究。首先,针对无线信号检测问题,提出一种改进的能量检测算法,包括采样预处理、电平估算、能量估算、阈值动态估算与信号检测,以提升无线信号检测过程的自适应性和普适性。其次,针对无线信号预测问题,提出一种基于经验模态分解算法和差分整合移动平均自回归模型的信号预测算法,以提升无线信号预测过程的自适应性和准确性。最后,在上述两种算法的基础上,设计了一个广播电台监管平台原型系统,并实现了其中的信号管理模块、数据管理模块和信号预测模块。在典型无线频谱监测数据集上的试验结果表明,本文所提出的信号检测算法和预测算法具有较强的自适应能力和普适性,能够对无线信号进行有效且准确的检测和预测。本文开发完成的原型系统具备无线电监测与数据管理所需的必要功能,能够有效支撑无线电监测应用需求。

基于同轴电容传感网络的滑油磨粒监测方法研究

这是一篇关于发动机健康管理,电容传感,经验模态分解,离散小波变换,支持向量机的论文, 主要内容为发动机健康管理能够对发动机的性能状态进行监视,同时对发动机的性能变化趋势进行预测,是防止系统或部件失效、保证发动机安全性和减少维修成本的重要手段。滑油磨粒在线监测技术作为发动机健康管理的重要内容,通过监测滑油中的磨粒能够获取发动机内部的磨损状况,从而及时对突发故障进行预警,在确保飞机安全运行方面发挥了重要作用。本文研究的主要内容如下:1)本文简要概述了目前滑油磨粒离线检测和在线监测传感器技术的发展和研究现状,并就典型的滑油磨粒在线监测传感器的优缺点与其特性进行了比较和分析,在课题组之前制作的同轴电容传感器的基础上提出了利用同轴电容传感网络来对滑油磨粒进行在线监测的新技术思路。2)本文对同轴电容传感网络内同一子探测空间不同类型极板的传感器进行理论分析,其中包括有非平行平板电极和平行曲面电极。同时还进一步明确了磨粒电容信号与传感网络结构的关系,为后文的仿真和实验奠定了理论基础。3)本文在COMSOL软件中建立了同轴电容传感网络模型,并通过仿真确定了同轴电容传感网络的参数,包括传感网络的结构参数及激励极板的施加电压。在确定完传感网络参数之后,分别模拟了不同大小和不同数量的磨粒对传感网络不同电容值的影响,结果表明随着磨粒大小和数量的增大(增多),不同类型电极板的电容仿真值也随之增大。4)本文制备出了同轴电容多通道传感网络,设计了实验平台对滑油磨粒进行在线监测,然后提出了一种基于EMD和DWT的磨粒信号提取算法对监测到的信号进行提取,验证了磨粒尺寸和数量与传感网络输出值的关系。5)利用仿真得到的不同类型电极的电容数据进行SVM训练生成磨粒分类模型,包括实际工况下磨粒的定性化分类模型和实验所用磨粒的定性化分类模型,并将实验数据导入模型进行验证,最终说明同轴电容传感网络能够实现滑油磨粒定量化识别和定性化分类。

广播电台监管平台的数据管理及应用系统开发

基于同轴电容传感网络的滑油磨粒监测方法研究

基于数据增强和改进残差网络的轮胎成型鼓故障诊断研究

这是一篇关于轮胎成型鼓,故障诊断,经验模态分解,深度残差收缩网络,抗噪性能的论文, 主要内容为我国汽车行业随着国民经济的提高发展迅速,与汽车行业相关的轮胎制造业近些年发展成绩也十分亮眼。轮胎成型鼓作为轮胎成型机上的关键部件,其健康状况对轮胎生产效率的影响巨大。成型鼓结构复杂,人工定位故障位置困难,维修周期长。研究成型鼓故障诊断技术对于保障生产技术人员安全、提高轮胎企业生产效率、保证轮胎生产质量有重要意义。本文提出一种信号分析与深度学习相结合的轮胎成型鼓故障诊断方法,利用深度神经网络解决基于信号分析故障诊断对技术人员要求高的问题,利用信号分析手段进行数据增强满足深度学习所要求的样本量的同时,降低信号中的噪声含量,避免信号中存在大量噪声带来的过拟合问题。本文主要工作内容有:(1)根据成型鼓工作原理,设计了相应的振动信号采集装置,并采集了轮胎成型鼓的故障信号,并对信号进行了简要的分析。(2)基于经典卷积神经网络模型对轮胎成型鼓进行故障诊断,设置对比试验,确定表现最佳的深度残差网络(ResNet)作为后续改进的基础网络模型。(3)针对深度学习对样本量的要求,基于自适应噪声完备集合经验模态分解(CEEMDAN)的原理提出了模态分解剪裁(MDC)数据增强方法。基于Res Net设置对比试验,试验结果表明,加入MDC数据增强方法,使Res Net抗噪能力有一定提升的同时,准确率也增加了3.04%。分类过程降维特征图表明MDC数据增强方法相较于传统数据增强方法具有降噪能力的同时还具有一定的特征提取能力。(4)针对ResNet对噪声环境中对同类故障分辨能力较弱的问题,选用ResNet改进而来的深度残差收缩网络(DRSN)作为基础网络,并基于自适应加权融合改进DRSN网络得到加权深度残差收缩网络(WDRSN)。基于五折交叉验证方法设置对比试验,抗噪试验结果表明,MDC-WDRSN的抗噪性能也远高于传统故障诊断方法,在信噪比从8d B减小到-4d B的情况下,准确率的下降率仅为12.11%。最终,通过实例验证了本文所提出的MDC-WDRSN的有效性,该模型在另一成型鼓上测试样本的平均准确率达90.08%。本文提出了一种成型鼓智能故障诊断方法,并通过大量的对比试验验证了该方法的有效性,为成型鼓故障诊断方法智能化发展提供了思路。

基于神经网络的钻孔设计算法研究与应用

这是一篇关于栈式自编码,梯度提升树,经验模态分解,注意力机制,门控制循环单元的论文, 主要内容为近年来,随着互联网的快速发展和交叉学科的兴起,许多地质科学家都借助计算机来模拟地浸井场中钻孔的设计与建造过程。在地浸井场的建造中,地浸钻孔(以下简称:钻孔)是唯一能从岩层中提取到铀资源的一个通道,所以只有钻孔设计合理才能保证井场采铀的稳定运行。但是钻孔的实际开发中,钻孔的判断和钻孔过滤器的布置涉及的工序和因素有很多。为了解决这些问题,本文设计并开发了基于地浸井场的钻孔建造系统,用来解决钻孔合格性判断和过滤器布置等问题,从而提高地浸开采的效率。为了提高对钻孔判断的准确率,本文设计出一种基于栈式自编码器网络和梯度提升树组合的模型(GBDT-SAE)。该模型对地浸井场中的钻孔数据进行归一化处理,然后再通过多层栈式自编码器对钻孔数据进行编码,得到隐藏层的降维后钻孔数据,然后再将该数据进行梯度提升树模型的训练,从而得到钻孔判定分类的模型。并设计实验,并将结果与K-Means、Adaboost、GBDT、KMeans-SAE和Adaboost-SAE比较。实验结果表明GBDT-SAE在对钻孔合格性的判定中,算法迭代率和准确率都更加高,验证了GBDT-SAE算法在对钻孔合格性判定分类的可行性和正确性。为了提高对钻孔过滤器布置的准确率,本文提出了一种基于经验模态分解、注意力机制和门控制循环单元网络组合的模型(EMD-AMGRU)来实现对钻孔过滤器的布置。经验模态分解方法可以处理钻孔数据中的岩性、品位、地质岩层、渗透性、天顶角等许多非平稳性因素,将这些非平稳性序列将其自适应分解为平稳性序列。AMGRU在门控制循环单元网络中结合了注意力机制,目的是加强网络记忆力和对目标值的集中程度,从而提高模型的准确率。设计实验,结果表明与其他模型相比,EMD-AMGRU预测的误差最低,说明预测结果更加接近真实值,验证了EMD-AMGRU算法在对钻孔过滤器布置的可行性和正确性。最后本文对提出的算法在系统中进行了实证分析。将GBDT-SAE和EMDAMGRU模型分别应用于钻孔建造系统中的钻孔合格性判定和过滤器批量布置的功能模块上,其准确度和可行性得到了验证并达到预期效果,验证了该方法对钻孔数据的处理具有很强的适用性。目前,系统开发基本完成,正在对地浸井场的实际应用进行功能性的测试。