导读:本文包含了模式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:模式,分解,经验,紊乱,因式分解,睡眠,模型。
模式分解论文文献综述
苏安龙,孙志鑫,何晓洋,张艳军,王长江[1]（2019）在《基于多元经验模式分解的电力系统低频振荡模式辨识》一文中研究指出提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition, MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低频振荡特征信息的信号进行分解,得到多个本征模函数(Intrinsic Mode Function, IMF)分量;借助Teager能量算子的快速响应能力,筛选出含有主导振荡模式的主要IMF分量;最后采用预测误差法辨识出各主导振荡模式的振荡频率和阻尼。分别利用IEEE68节点测试系统和辽宁电网实测PMU数据对所提方法进行分析、验证。结果表明,该方法可有效从电力系统的广域量测信息中辨识出电力系统的主导振荡模式。(本文来源于《电力系统保护与控制》期刊2019年22期）
陈新统[2]（2019）在《基于核心素养的“S·C·S”小组合作学习模式的实践与反思——以“平方差公式法因式分解”为例》一文中研究指出核心素养的培养越来越得到社会认可和重视,而高效课堂一直是教育教学永恒的追求.基于学习金字塔的高效学习理论,我校了开展彻底的、轰轰烈烈的S·C·S ("自学.交流.展示")小组合作学习模式.那如何在这一模式中落实核心素养的培养,成为了一项重要的课题.笔者以自己执教过的一节课为例,探讨该模式下核心素养的培养与反思.(本文来源于《中学数学研究(华南师范大学版)》期刊2019年18期）
周睿,江星星,郭文军,毛一鸣,倪阳阳[3]（2019）在《定量带宽表示下的迭代变分模式分解方法在机械故障诊断中的应用研究》一文中研究指出针对变分模式分解方法在实际应用中无法客观地确定平衡参数和分量分解个数的问题,提出了一种基于定量带宽表示下的迭代变分模式分解方法。该方法利用定量带宽与平衡参数关系曲线,在确定信号带宽之后找到最佳平衡参数,并根据最佳平衡参数迭代提取信号分量,再利用峭度准则确定包含故障信息最丰富的分量,最后通过该分量的包络谱进行机械故障特征提取及诊断。该方法减少了人为因素对参数选择的影响,仿真与实验信号分析结果验证了该方法的有效性。(本文来源于《机械设计与制造工程》期刊2019年09期）
刘冬冬,郭丹,吴慧莉,孙汝山,Chung-Kang,Peng[4]（2019）在《基于经验模式分解的心肺耦合技术在儿童睡眠分析中的应用》一文中研究指出目的探讨基于经验模式分解的心肺耦合分析技术(Cardio-Pulmonary Coupling,HHT-CPC)对儿童睡眠呼吸紊乱(Sleep-Disordered Breathing,SDB)的诊断价值。方法回顾性分析整夜Hypno PTT监测的儿童患者数据63例,根据鼻气流呼吸紊乱指数(Respiratory Disturbance Index,RDI)区分不同严重程度SDB组。比较各组的Hypno PTT睡眠参数、OSA-18量表评分及心肺耦合指标,观察新方法与临床SDB诊断方法的相关性与一致性;应用ROC曲线评价HHT-CPC的SDB诊断效率。结果疾病程度增加导致HHT-CPC的低频耦合、升高式低频耦合指标显着升高,而高频耦合明显降低,这些指标与Hypno PTT睡眠呼吸参数均体现出较强的相关性。其中HHT-CPC的RDI与Hypno PTT的RDI、3%氧减指数的相关性最强(r=0.844和0.770,P<0.001),且Bland-Altman分析结果体现出较高的一致性。在疾病诊断方面,ROC曲线下面积0.93,敏感度与特异度分别为0.85和0.90。结论 HHT-CPC与Hypno PTT诊断儿童SDB具有较好的一致性,具有较高的诊断价值。(本文来源于《中国医疗设备》期刊2019年08期）
赵知劲,黄艳波,强芳芳,杨安锋[5]（2019）在《基于反馈变分模式分解的单通道盲源分离算法》一文中研究指出针对源信号数目未知时,变分模式分解(VMD)算法分离单通道混合信号的性能受人为设定的模式分量中心频率间隔Δf影响大、复杂度高的问题。提出了基于反馈机制的VMD单通道盲源分离(VMDF-SCBSS)算法;首先利用VMD将观测信号分解为两个模式分量,其次利用相似系数衡量模式分量纯度,将最纯的模式分量反馈到输入端并从输入信号中减去,最后根据所提出的由相似系数构造的循环迭代终止条件判断是否继续分解。仿真结果表明,VMDF-SCBSS算法无需人为确定Δf,能很好地分离单载波源信号并估计源信号数目,算法复杂度较低。(本文来源于《振动与冲击》期刊2019年13期）
林女贵[6]（2019）在《基于集合经验模式分解的ARIMA行业售电量预测模型》一文中研究指出售电量的准确预测是电力市场课题研究的重要内容之一,目前已有许多模型用于售电量预测。在此背景下,考虑售电量时间序列的非线性、波动性和周期性,提出基于集合经验模式分解和自回归积分滑动算法的预测模型。该模型首先对售电量时间序列进行集合经验模态分解,通过添加白噪声得到不同时间尺度分布的售电量时间序列,分解后得到一系列相对平稳的本征模态函数和趋势项,然后利用自回归积分滑动算法对各平稳化本征模态函数和趋势项分别进行预测,得到各分量的预测结果,最后将分量预测结果迭加得到最终的售电量预测值。基于历史统计售电量数据的预测结果分析表明,基于集合经验模式分解的ARIMA模型具有良好的预测精度。(本文来源于《电力科学与技术学报》期刊2019年02期）
刘贯春,刘媛媛,张军[7]（2019）在《中国省级经济体的异质性增长路径及模式转换——兼论经济增长源泉的传统分解偏差》一文中研究指出传统文献通常假定所有经济体具有相同的生产函数,抑或是将地理位置和人均收入作为分样本的先验划分依据。然而,这一假定是否恰当并未引起足够关注。在有限混合模型的基础上,本文利用1993～2015年中国省级面板数据,依据地区真实GDP条件分布的相似性将不同地区的增长路径内生聚类为多种模式,并探究了背后的决定因素及增长源泉差异。实证结果显示,中国省级经济体的增长路径存在异质性,可以利用3组别有限混合模型进行刻画。同时,人力资本和政府支出有助于理解不同省级经济体的异质性增长模式,而地理位置和人均收入亦具有一定的解释力。更为重要的是,约1/3省份的增长路径存在模式转换,且表现为各项宏观经济指标综合作用的结果。进一步,地区经济增长的分解结果发现,尽管资本积累在不同增长模式中依旧占据着主导地位,但全要素生产率是导致不同模式存在差异化增长率的根本原因。特别地,忽略增长路径异质性将高估物质资本的贡献率约8.2%,并低估全要素生产率的贡献率约7.7%。(本文来源于《管理世界》期刊2019年06期）
毛策平,朱宏[8]（2019）在《运用“5E探究教学模式”培养学生的科学探究能力——以“比较过氧化氢在不同条件下的分解”实验教学为例》一文中研究指出在"比较过氧化氢在不同条件下的分解"这一实验教学中,运用"5E"探究教学模式,让学生通过五个环节的学习,发挥每个环节特殊作用,促进学生增强探究能力,提高理性思维,培养生物学科核心素养。(本文来源于《理科爱好者(教育教学)》期刊2019年03期）
胡斯念[9]（2019）在《自适应变分模式分解方法及其在机械故障诊断中的应用》一文中研究指出变分模式分解(VMD)是一种新的自适应、非递归的分解算法。其基于维纳滤波的原理,在信号分解过程中有着很强的鲁棒性,且对机械运转过程中产生的非线性、非平稳信号呈现出优良的自适应性。因此,本文将变分模式分解算法应用于机械的故障诊断,且对变分模式分解算法在机械故障诊断过程中存在的不足加以改进。具体的研究内容如下:(1)针对机械故障信号中存在着冲击特性,建立轴承故障仿真模型对变分模式分解算法的分解效果进行了探究性的验证和分析。基于强烈的背景噪声对VMD分解有着较大影响,因而提出了基于谱峭度的变分模式分解方法用于对抑制噪声。通过仿真和轴承实测数据进行试验,证明了提出的方法在机械设备诊断中的有效性。(2)由于变分模式分解算法中固有模式函数的数目K和惩罚因子α对VMD算法分解的结果有着较大影响,因而提出了基于粒子群优化的自适应变分模式分解结合谱峭度的方法用于对参数进行自适应选取。通过建立仿真模型和实测数据去验证提出方法的可行性、有效性。(3)将自适应变分模式分解和去趋势波动分析相结合,应用于齿轮的故障特征提取与故障模式识别。自适应VMD被用于信号的分解和挑选高频分量,去趋势波动分析方法用于提取齿轮故障特征向量。齿轮故障分类所得结果呈现出很高识别率,验证了所提出的方法能有效的识别齿轮故障的状态。(本文来源于《武汉科技大学》期刊2019-06-01）
吴衍,马碧芳,李立耀,陈国钦[10]（2019）在《基于改进的互补因散经验模式分解法的谐波检测法》一文中研究指出提出了基于改进的互补因散经验模式分解(CEEMD)算法的谐波电流检测法。该方法能将电流信号分解成内在模式函数(IMF),并创新地在分解过程中加入正负成对的高斯白噪声,抵消噪声余量,抑制了模式混迭问题,同时在筛分过程中加入平滑处理这个改进措施。使用新方法设计谐波检测电路,并做了与EEMD算法的对比仿真实验,结果表明:两个算法都可以分解出电流信号的谐波和基波分量,但是改进的CEEMD算法抑制了模式混迭问题,分解出来的基波分量与原信号基本吻合,两者的相关系数(CORR)为0.997,相对均方根误差(RRMSE)为0.00411,说明该法能够准确有效地分解谐波电流信号,同时该算法做了平滑处理的改进,可满足有源电力滤波器(APF)的需要。(本文来源于《高技术通讯》期刊2019年05期）
模式分解论文开题报告
（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：
核心素养的培养越来越得到社会认可和重视,而高效课堂一直是教育教学永恒的追求.基于学习金字塔的高效学习理论,我校了开展彻底的、轰轰烈烈的S·C·S ("自学.交流.展示")小组合作学习模式.那如何在这一模式中落实核心素养的培养,成为了一项重要的课题.笔者以自己执教过的一节课为例,探讨该模式下核心素养的培养与反思.
（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。
模式分解论文参考文献
[1].苏安龙,孙志鑫,何晓洋,张艳军,王长江.基于多元经验模式分解的电力系统低频振荡模式辨识[J].电力系统保护与控制.2019
[2].陈新统.基于核心素养的“S·C·S”小组合作学习模式的实践与反思——以“平方差公式法因式分解”为例[J].中学数学研究(华南师范大学版).2019
[3].周睿,江星星,郭文军,毛一鸣,倪阳阳.定量带宽表示下的迭代变分模式分解方法在机械故障诊断中的应用研究[J].机械设计与制造工程.2019
[4].刘冬冬,郭丹,吴慧莉,孙汝山,Chung-Kang,Peng.基于经验模式分解的心肺耦合技术在儿童睡眠分析中的应用[J].中国医疗设备.2019
[5].赵知劲,黄艳波,强芳芳,杨安锋.基于反馈变分模式分解的单通道盲源分离算法[J].振动与冲击.2019
[6].林女贵.基于集合经验模式分解的ARIMA行业售电量预测模型[J].电力科学与技术学报.2019
[7].刘贯春,刘媛媛,张军.中国省级经济体的异质性增长路径及模式转换——兼论经济增长源泉的传统分解偏差[J].管理世界.2019
[8].毛策平,朱宏.运用“5E探究教学模式”培养学生的科学探究能力——以“比较过氧化氢在不同条件下的分解”实验教学为例[J].理科爱好者(教育教学).2019
[9].胡斯念.自适应变分模式分解方法及其在机械故障诊断中的应用[D].武汉科技大学.2019
[10].吴衍,马碧芳,李立耀,陈国钦.基于改进的互补因散经验模式分解法的谐波检测法[J].高技术通讯.2019
论文知识图
