导读:本文包含了谱分解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:分解,奇异,算子,故障诊断,频率,线性,格林。
谱分解论文文献综述
周宗良,张会卿,曹国明,马跃华,何书梅[1]（2019）在《用最大熵谱分解定量预测曲流河薄砂体》一文中研究指出针对大港X开发区曲流河薄砂体定量预测的难题,文中提出了基于井震联合的最大熵谱分解预测方法。通过谱分解算法对比分析选取最大熵谱分解算法进行地震分频扫描,利用响应频率不同分析薄砂体厚度变化,避免了不同频率信息的相互干扰;利用薄层调谐原理制作调谐体,获取调谐频率并计算调谐厚度;通过实钻井数据拟合建立了单砂体厚度-调谐厚度关系,实现了薄砂体定量预测。新井实施结果证实,该方法能够准确实现曲流河薄砂体定量预测,预测符合率90%以上。(本文来源于《断块油气田》期刊2019年06期）
黄少武,陈梅香[2]（2019）在《谱分解定理在证明正线性映射结论的若干应用》一文中研究指出主要研究谱分解定理在正线性映射的保共轭性和Kadison's不等式一种推广式的应用,给出了它们的不同证明.它可以为证明相关问题提供思路.(本文来源于《兰州文理学院学报(自然科学版)》期刊2019年06期）
江利国,黄志辉[3]（2019）在《聚类奇异谱分解方法及其在机械复合故障诊断中的应用》一文中研究指出针对奇异谱分解(Singular Spectrum Decomposition,简称SSD)方法在重构奇异谱分量(Singular Spectrum Component,简称SSC)时的不足,结合聚类理论,提出了聚类奇异谱分解(Clustering Singular Spectrum Decomposition,简称CSSD)方法。该方法首先对时间序列数据构造轨迹矩阵;然后通过奇异值分解获得若干奇异值向量矩阵和特征值矩阵;接着利用对角平均化得到初始单分量;最后采用层次聚类方法计算任意两个初始单分量之间的相似度,并完成单分量的重构获得聚类奇异谱分量(Clustering Singular Spectrum Component,简称CSSC)。通过仿真信号和机械复合故障信号的分析结果表明,相比较于SSD方法,CSSD方法具有优越的分解性能并可以有效地提取出机械复合故障的特征。(本文来源于《机械设计与制造》期刊2019年11期）
邓少清,王玉秀,韩芮[4]（2019）在《地震谱分解技术在储层定量解释中的应用》一文中研究指出随着油气勘探对地震资料解释和储层预测的要求越来越高,不仅需要描述大的区域构造特征,还需要精细研究储层厚度的分布变化和定量预测,围绕这一方向研究人员进行了大量的探索研究。谱分解技术是一项基于地震频率响应的储层解释与预测技术,其通过时频分析算法将地震资料从时间域转到频率域进行地质解释研究,可以独立提取不同频率成分的地质体,充分挖掘了地震资料对地下异常体的分辨能力。在实际应用中,首先对蓝马解释软件频谱成像模块进行参数的调试分析,选取最大熵谱法对目的层提取调谐峰值频率切片,该算法具有频谱能量集中、频率域识别能力强的特点,再利用薄层调谐振幅谱的频陷特性进行储层厚度定量预测。该技术对薄储层厚度的预测结果与实钻结果吻合较好,可以较客观的展示储层厚度的发育变化特征,并且具有运算速度快,无须丰富测井资料的优势,适用于少井勘探区块中,具有积极的推广应用价值和广泛的应用前景。(本文来源于《中外能源》期刊2019年09期）
胥永刚,张志新,马朝永,张建宇[5]（2019）在《改进奇异谱分解及其在轴承故障诊断中的应用》一文中研究指出针对强背景噪声下难以提取滚动轴承故障特征的问题,提出了基于奇异值差分谱的改进奇异谱分解方法。首先,为克服奇异值分解按经验选择嵌入维数的不足,运用一种新的信号自适应处理方法——奇异谱分解(Singular Spectrum Decomposition,SSD)分析振动信号,SSD法通过构建新的轨迹矩阵,自适应选取嵌入维数,将非线性、非平稳信号从高频至低频分解为多个奇异谱分量。然后,针对奇异谱分解方法重构的奇异谱分量仍包含较强噪声的问题,提出利用奇异值差分谱对重构过程进行改进,提高了奇异谱分解的降噪能力,有效提取了有用信息。最后,根据故障特征找到包含有用信息的分量,对该分量进行希尔波特包络解调,从而准确地提取出故障特征。仿真和实验结果验证了该方法的有效性,提供了一种新的故障诊断方法。(本文来源于《振动工程学报》期刊2019年03期）
谭家欢[6]（2019）在《基于奇异谱分解理论的旋转机械故障诊断研究》一文中研究指出随着科学技术的不断发展和装备制造业的飞速进步,机械设备日益向大型化、精密化、自动化和集成化方向发展。这些发展对整个机械系统的设计、制造、运行以及维护都提出了更高的要求,同时也增加了机械系统故障发生的潜在可能性和故障类型的多样性,对机械系统故障诊断提出了巨大的挑战。因此,开展机械系统状态监测及故障诊断相关技术研究非常有必要。本文以机械系统中最常见的部件——滚动轴承、齿轮箱为研究对象,以振动信号分析为研究手段,针对现有的信号处理技术在轴承、齿轮箱振动信号分析中存在的缺点,提出了一系列改进方法,准确地提取出振动信号中的故障特征,使滚动轴承和齿轮箱状态监测与故障诊断技术变得更加丰富和有效。本文的主要工作包括以下几个方面:(1)从理论分析与实际应用的角度阐述了本文的选题背景及课题意义,详细介绍了齿轮箱齿轮、滚动轴承故障诊断相关知识。讲述了齿轮和滚动轴承的故障类型及其产生原因,同时介绍了其典型结构及振动机理,通过简单的分析,给出特征频率的计算公式以及固有振动频率的计算公式。(2)提出一种新的自适应的信号处理方法——奇异谱分解(Singular Spectrum Decomposition,SSD),解决强背景噪声下滚动轴承瞬时频率特征难以获取的问题。该方法通过构建一个轨迹矩阵与自适应选择嵌入维数长度,将非平稳信号从高频到低频依次划分为若干个单分量信号。随后根据峭度准则选取冲击特征明显、峭度值最大的奇异谱分量。然后采用经验AM-FM分解法将奇异谱分量分离为包络成分和纯调频成分,利用能量算子计算瞬时频率。针对能量算子计算瞬时频率存在端点误差大的问题,提出运用支持向量回归的数据延拓方法进行改进。(3)课题研究同步压缩小波变换算法,将其引入滚动轴承故障诊断中,首先搭建滚动轴承故障实验平台,用于采集滚动轴承故障数据,使用小波变换对其进行分析后,再使用同步压缩对小波变换后的系数进行压缩,对比短时傅里叶、EMD,实验结果证明同步压缩小波变换能够有效提取出滚动轴承特征频率;(4)搭建齿轮箱和滚动轴承的故障诊断实验测试系统,该系统包括了转子综合故障实验平台(HZXT-004)、转子动力控制系统(HZXT-003)、数据采集仪(HADM-I)、加速度传感器(HD-YD-216)等,利用该系统对故障时的振动数据进行采集并进行处理验证。实验结果表明:在强噪声背景下奇异谱分解的瞬时频率提取能很好地应用于旋转机械关键零部件振动信号,提取瞬时特征。(本文来源于《江南大学》期刊2019-06-01）
严海滔,龚齐森,周怀来,牛聪,严帝[7]（2019）在《基于同步挤压改进短时傅里叶变换的谱分解应用》一文中研究指出随着油气勘探开发深度的增加以及地震数据采集受外界的干扰严重,使得地震资料处理解释人员对于含油气层的识别也变得更加困难。基于时频分析的地震谱分解技术已经广泛应用于油气储层预测中;但由于短时傅里叶变换、小波变换、S变换、Wigner-Ville分布等传统时频分析方法受自身窗函数的约束,使得它们的时频聚焦性不高或交叉项干扰,导致油气检测结果存在很大的误差。针对这一难题,为了实现准确的储层预测,通过对短时傅里叶窗函数进行拓展,并且对拓展后的短时傅里叶变换结果执行挤压,将挤压结果重排放置于信号的瞬时频率处,提出了同步挤压改进短时傅里叶变换。信号分析表明同步挤压改进短时傅里叶变换具有更高的时频聚焦能力。将同步挤压改进短时傅里叶变换与地震谱分解技术结合,并将其运用于实际地震资料,结果表明,该方法可以对含油气层进行精细刻画,频率异常特征十分显着,对于含油气性检测具有很强的实用性。(本文来源于《大庆石油地质与开发》期刊2019年03期）
李琛[8]（2019）在《基于奇异谱分解的振动故障诊断方法研究》一文中研究指出随着社会的进步和科学技术的快速发展,现代化生产越来越离不开各式各样的旋转机械,齿轮和滚动轴承作为旋转机械中的关键部件,直接决定着整个机械系统能否正常运行,其安全性对整个设备的正常运行也有着极大影响。深入开展齿轮和滚动轴承故障诊断和状态检测技术的研究,对于保障设备安全平稳运行、避免生产过程中重大安全事故的发生具有重要的现实意义。因此,本文以齿轮和滚动轴承为研究对象,将奇异谱分解与Wigner-Ville分布、1.5维谱、多尺度散布熵以及支持向量机结合,采用多种算法结合实现对齿轮和滚动轴承的故障诊断。论文所做工作及取得的成果如下:对奇异谱分解(SSD)和Wigner-Ville分布(WVD)在时频分析方面的性能进行研究,探究了一种基于奇异谱分解的自适应故障诊断新方法(SSD-WVD),并将其应用于齿轮故障诊断。首先利用奇异谱分解良好的自适应分解能力,对原始振动信号进行分解,得到若干SSC分量;然后对每一个SSC分量求峭度值,根据所求峭度值大小挑选出最优SSC分量;最后计算最优SSC分量的Wigner-Ville分布。经过实测信号分析发现,SSD-WVD方法对齿轮故障具有很好的诊断效果。针对奇异谱分解算法分解信号时无法实现最佳分解个数和最优分量选取的问题,利用特征能量比(FER)对SSD方法进行改进;应用SSD良好的分解特性,针对滚动轴承故障特征信息难以提取的问题,采用了一种基于奇异谱分解与1.5维谱结合的滚动轴承故障诊断方法;经过实验分析,验证了本文所提方法在滚动轴承故障特征提取方面的有效性。面对实际复杂工况中滚动轴承状态识别的问题,研究了一种基于奇异谱分解的多尺度散布熵(MDE)与支持向量机(SVM)相结合的滚动轴承故障识别与分类方法;首先利用奇异谱分解算法对原始信号进行分解,选取出故障特征信息丰富的分量作为主分析分量,再使用MDE算法对主分量进行多尺度特征提取,构造特征向量,最后将特征向量输入到SVM分类器中,经训练测试后对滚动轴承状态进行模式识别,实现了滚动轴承故障的诊断和分类。(本文来源于《华北电力大学》期刊2019-03-01）
王宏禹,邱天爽[9]（2018）在《信号特征谱表示与平稳随机信号谱分解统一的研究》一文中研究指出深入研究了信号特征谱表示与平稳随机信号谱分解统一的关系。利用微分算子、积分算子与特征微分方程格林函数的关系,分析了厄尔密特微分算子与厄尔密特积分算子的互逆关系,指出了特征微分方程存在与其对应的特征积分方程,并给出了厄尔密特微分算子与厄尔密特积分算子的谱表示式,以及将这2种算子的谱表示统一的一般表示式。利用对平稳随机信号谱分解的随机振幅简谐振动迭加法及希尔伯特空间酉算子法进行分析研究,明确了信号特征谱表示与平稳随机信号谱分解的联系及数学上的统一。(本文来源于《通信学报》期刊2018年12期）
周涌[10]（2018）在《基于谱分解的广义岭回归方法及其优良性探讨》一文中研究指出在线性回归模型具有多重共线性时,利用广义岭回归方法能获得比岭回归具有更小的均方误差的参数估计量(但不再是线性估计),其计算复杂,实用性不强。基于对称矩阵的谱分解理论,可以得到广义岭回归的一种简便算法,不仅计算十分简便,而且参数估计量是线性的;通过数据模拟,验证该方法所得估计量比岭回归估计量具有更小的均方误差。(本文来源于《统计与信息论坛》期刊2018年10期）
谱分解论文开题报告
（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：
主要研究谱分解定理在正线性映射的保共轭性和Kadison's不等式一种推广式的应用,给出了它们的不同证明.它可以为证明相关问题提供思路.
（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。
谱分解论文参考文献
[1].周宗良,张会卿,曹国明,马跃华,何书梅.用最大熵谱分解定量预测曲流河薄砂体[J].断块油气田.2019
[2].黄少武,陈梅香.谱分解定理在证明正线性映射结论的若干应用[J].兰州文理学院学报(自然科学版).2019
[3].江利国,黄志辉.聚类奇异谱分解方法及其在机械复合故障诊断中的应用[J].机械设计与制造.2019
[4].邓少清,王玉秀,韩芮.地震谱分解技术在储层定量解释中的应用[J].中外能源.2019
[5].胥永刚,张志新,马朝永,张建宇.改进奇异谱分解及其在轴承故障诊断中的应用[J].振动工程学报.2019
[6].谭家欢.基于奇异谱分解理论的旋转机械故障诊断研究[D].江南大学.2019
[7].严海滔,龚齐森,周怀来,牛聪,严帝.基于同步挤压改进短时傅里叶变换的谱分解应用[J].大庆石油地质与开发.2019
[8].李琛.基于奇异谱分解的振动故障诊断方法研究[D].华北电力大学.2019
[9].王宏禹,邱天爽.信号特征谱表示与平稳随机信号谱分解统一的研究[J].通信学报.2018
[10].周涌.基于谱分解的广义岭回归方法及其优良性探讨[J].统计与信息论坛.2018
论文知识图
