导读:本文包含了尺度谱论文开题报告文献综述及选题提纲参考文献，主要关键词:掘进工作面,气体污染物,光学监测,智能辨识
尺度谱论文文献综述
李雪芹[1]（2019）在《掘进工作面污染源多尺度谱在线光学监测与智能辨识方法》一文中研究指出煤炭工业发展“十叁五”规划要求建立健全煤矿安全生产长效机制、改善职工健康状况,但当前我国煤矿安全生产形势仍然十分严峻。矿井掘进工作面因爆破作业,会瞬间产生大量碳氧化物、氮氧化物等有毒有害气体及矿尘,并随通风扩散至整个掘进巷道及矿井通风网络中,而这些污染物对于矿井安全生产及作业人员的生命安全构成了重大威胁。因此,建设掘进工作面在线监测系统,掌握烟气危险源动态扩散规律,实时感知危险源并提供风险防控参考,这对于保障掘进作业的长效安全进行与职工职业健康,实现现代化矿井智能通风与应急调控具有十分重要的实践意义与研究价值。鉴于此,本文以石壕煤矿12182掘进工作面污染源在线光学监测与智能辨识为研究课题。首先,根据工作面现状分析了现场监控存在的不足与现实需求,基于紫外可见、红外光谱吸收式气体浓度测量方法并结合束管监测技术,有针对性地设计了掘进工作面分布式在线光学监测系统。其次,为满足污染物浓度在线监测系统调校与性能评估的需要,采用数值方法再现了掘进工作面烟气扩散过程与瞬态分布特征,建立了污染源时空演变特性仿真大数据。最后,通过研究有害气体多尺度光谱(紫外可见纳米级、红外微米级)并结合污染物分布大数据,建立了多元组分浓度与光辐射特性之间的映射模型,分析了污染源光学监测信号的时域特征及其影响因素。同时引入人工智能算法,实现了传感器的高精度非线性校正及污染源浓度分布的实时重构。通过上述研究,本文提出了矿井掘进工作面分布式双波段协同在线监测系统与污染源光学智能感知、辨识方法,研究成果可为现代化矿井监控的自动化、智能化改造升级提供设计依据与技术支撑。(本文来源于《中国矿业大学》期刊2019-05-01）
苏木亚,杨晓光,郭崇慧[2]（2018）在《基于多尺度谱映射的基金投资风格显着特征识别方法》一文中研究指出风格漂移是证券投资基金常见的现象,辨识投资风格的显着特征对评级和选择证券投资基金有着重要的意义。基于多尺度谱映射的思想,本文提出了一种基金投资风格显着特征识别方法,从逻辑上阐述了该方法的基本原理,用数值模拟展示了该方法相对于传统方法有着明显的优势,并分析了该方法参数选取对识别结果的影响。利用该方法,本文对2012年以来我国24支开放式基金进行了投资风格显着特征的识别,发现这24支基金出现比较严重的风格漂移和趋同现象。(本文来源于《管理评论》期刊2018年03期）
杨宇蛟[3]（2018）在《基于多尺度谱分析的冷冻电镜叁维密度图分辨率检测算法设计》一文中研究指出冷冻电镜叁维重构技术近年来在生物分子叁维结构研究领域发展迅速,不仅表现出相对传统方法的优越性能,更是取得接近原子级别的分辨率,获得越来越多研究人员的关注。冷冻电镜叁维密度图的分辨率检测具有非常重要的作用,影响了迭代过程中生物分子结构计算的走向,也是评价叁维重构最终效果的指标。现有的冷冻电镜叁维密度图分辨率检测算法都各有缺陷,因此本文提出一种新的基于多尺度谱分析的冷冻电镜叁维密度图分辨率检测算法。多尺度谱分析算法基于多个尺寸不同的掩膜来实现,一个理想的掩膜可以恰好将冷冻电镜叁维密度图的生物分子信号部分和外围噪声部分分开,利用掩膜内外的噪声能量关系计算得到掩膜内的谱信噪比,通过谱信噪比得到一个分辨率数值。实际应用中不可能生成一个理想掩膜,因此本文提出使用一系列尺寸不同的非理想掩膜来计算多尺度的谱信噪比,其中尺寸不同的掩膜是通过调控与掩膜尺寸相关的两个参数在一定范围内变动而生成的。对于每个不同尺寸的掩膜可以计算得到一个掩膜内分辨率,多尺度谱分析算法将分辨率相应于掩膜参数画在同一张图上得到分辨率叁维曲面图,在叁维曲面图上可以观察到明显的分界线,多尺度谱分析算法使用两种策略计算分界线上的关键点,并将关键点的分辨率作为最终的冷冻电镜叁维密度图的分辨率。本文提出了利用多尺度谱分析来计算冷冻电镜叁维密度图分辨率的思想,改进了基于掩膜的谱信噪比计算方法,探索了FSC与SSNR之间的关系。通过对20个真实数据集进行实验,证明了基于多尺度谱分析的冷冻电镜叁维密度图分辨率检测算法的有效性,这种算法克服了传统分辨率检测算法的不足,具有良好的性能。(本文来源于《上海交通大学》期刊2018-01-01）
杨素英,余欣洋,赵秀勇,李义宇,孙洪娉[4]（2018）在《太原冬季PM_(2.5)影响霾污染的关键尺度谱特征》一文中研究指出PM_(2.5)普遍被认为是导致霾形成的主要污染物之一.利用2016年11~12月在太原市人工降雨防雹办公室观测获得的气溶胶数谱资料、小店区气象站提供的气象要素资料以及小店区环境监测站提供的PM质量浓度资料,探讨了PM_(2.5)影响霾污染的关键尺度谱特征.结果表明,观测期间霾污染频发,且程度严重,重度霾占25.35%.相对湿度高于80%、风速小于1.5 m·s~(-1)是霾频繁发生的有利条件,特别是重霾;中度霾和轻度霾在相对湿度40%~80%、风速小于1.5 m·s~(-1)时也会频繁发生;轻微霾主要发生在相对湿度20%~40%,风速为1.25~2.55 m·s~(-1)时.霾天PM_(2.5)平均质量浓度为209.45μg·m~(-3),是非霾天气的3倍,且随着霾等级增加,PM_(2.5)质量浓度和PM_(2.5)/PM_(10)比值不断增加.低湿环境下PM_1是影响霾的关键粒子;高湿环境下PM_(0.5)是影响轻微霾、轻度霾和中度霾的关键粒子,而影响重度霾的关键粒子则是PM_1.高湿环境下表面积浓度对能见度的贡献率下降,但是气溶胶吸湿增长增大了粒子尺度,导致消光效率因子增大,从而弥补了表面积浓度的不足;粒子尺度参数的增加是高湿时PM_(2.5)影响霾污染的重要因素.(本文来源于《环境科学》期刊2018年06期）
孙鲜明,刘欢,赵新光,周勃[5]（2017）在《基于瞬时包络尺度谱熵的滚动轴承早期故障奇异点识别及特征提取》一文中研究指出滚动轴承故障信号具有较强的非平稳特性,并且极易受齿轮等噪源污染,故障特征信息微弱,特别当滚动轴承处于故障早期,上述问题尤为严重。针对这一难点,提出基于瞬时包络尺度谱熵的滚动轴承早期故障奇异点识别及特征提取方法。应用重分配尺度谱对轴承的包络信号进行时频分解,计算每一时刻的功率谱熵,以获取信号的瞬时包络尺度谱熵(Instantaneous envelope scalogram entropy,IESE),则信号IESE曲线发生畸变的位置,即是轴承故障表征最为明显的时刻,进而可以提取轴承故障信号的最优故障表征时段(Optimal fault characterization phase,OFCP),应用包络解调和包络尺度谱分析OFCP,以提取轴承故障特征频率。实测信号分析结果表明,该方法能有效提取轴承故障早期的微弱故障特征信息。(本文来源于《机械工程学报》期刊2017年03期）
孙勋,杨祥立,涂尚坦,黄平平,杨文[6]（2016）在《结合特征选择和大尺度谱聚类的极化SAR图像非监督分类》一文中研究指出非监督分类是极化SAR图像解译的重要手段,但其分类结果易受到高维特征的影响。针对此问题,本文提出一种结合特征选择和大尺度谱聚类的极化SAR图像非监督分类方法。该方法首先深入分析并提取了极化SAR图像分类中常用的特征参数,包括基于测量数据及其简单线性变换的特征和极化目标分解的特征。然后通过聚类森林特征选择算法进行特征降维处理,去除冗余信息。最后利用过分割产生代表点并构建原始数据与代表点间的二分图,通过大尺度谱聚类算法完成图像的非监督分类。实验结果表明,该方法能够选取有效的特征组合,并得到较为满意的分类效果。(本文来源于《信号处理》期刊2016年06期）
孙丽,王普才,张晋广,赵姝慧,杨磊[7]（2016）在《香河地区亚微米气溶胶粒子尺度谱分布特征》一文中研究指出为了解香河地区气溶胶尺度谱的基本特征,自2012年5月起,利用扫描电迁移率粒径谱仪(SMPS)对河北香河地区的亚微米(13.8~723.4 nm)气溶胶尺度谱分布进行了近2 a的测量。基于该数据集,分析了气溶胶尺度谱的季节变化和日变化特征及气象要素对气溶胶浓度的影响。结果发现,观测期间埃根核模态(20.0~100.0 nm)、积聚模态(100.0~723.4 nm),以及总的气溶胶数浓度、表面积浓度和体积浓度均值分别为7.0×103cm~(-3)、7.5×103cm~(-3)、14.9×103cm~(-3)、1125μm2·cm~(-3)和50μm~3·cm~(-3)。香河地区积聚模态的粒子数浓度接近华北地区其他污染测站的结果,但高于发达国家的测值。冬季气溶胶的平均浓度最高(18.1×10~3cm~(-3)),而春季最低(12.3×10~3cm~(-3))。不同季节,气溶胶的数谱分布主要为单峰分布,平均峰值直径约为105 nm。气溶胶浓度的日变化受机动车排放的影响显着,存在早晚两个高值中心,分别出现在早上的06:00—09:00和晚上的19:00—21:00。风速、风向对气溶胶数浓度的影响较大,低风速(<2 m/s)和南风条件,尤其是吹西南风时,气溶胶浓度的增加显着。(本文来源于《气象与环境科学》期刊2016年02期）
庄骏飞[8]（2016）在《基于差值尺度谱和卷积神经网络的转子故障诊断方法研究》一文中研究指出转子系统在石油石化行业中应用广泛,一旦发生故障可能造成人员伤亡、财产损失等十分严重的后果。转子系统故障诊断过程中存在两个问题:(1)转子故障诊断主要依据振动信号,但其运行工况复杂、环境噪声大,导致转子系统故障诊断率低。(2)转子系统在智能故障识别过程中,故障特征选择没有统一标准受人为因素影响很大,最终导致振动监测故障诊断率低。针对以上两个问题,以转子系统为研究对象,提出基于差值尺度谱和卷积神经网络的转子故障诊断方法,降低噪声及人为因素对故障识别准确率的影响。本文主要研究内容如下:(1)从理论、模拟信号分析、实验信号分析叁个方面,研究转子系统主要故障类型、时域故障特征、频域故障特征以及时频域故障特征,结果表明时域图、频域图及时频域图(小波尺度谱图)在无噪声情况下可以清晰分辨出不平衡、不对中、碰摩和基座松动故障,但是在大噪声背景下无法有效识别故障类型,转子系统故障诊断需要一种能在大噪声背景下提取故障特征的方法。(2)由于最大相关峭度解卷积滤波可以有效提取大噪声中的冲击分量,希尔伯特包络谱和小波尺度谱可以凸显冲击分量,所以提出一种基于最大相关峭度解卷积滤波、希尔伯特包络谱及重排尺度小波谱结合的差值小波尺度谱方法,通过该方法获得的振动信号差值小波尺度谱在倍频分量处幅值较高,可以有效分辨大噪声背景下的转子系统故障类型,并且采用模拟信号及实验信号证明差值小波尺度谱,可以提取大噪声背景下的故障特征。(3)提出一种基于改进卷积神经网络及差值小波尺度谱相结合的故障诊断方法,该方法将一维振动数据处理成差值小波尺度谱,然后输入卷积神经网络分类,不需要人为选择特征。设计该方法的实现步骤,通过转子系统实验分析验证该方法的故障诊断准确率可达到96%。(4)研究两种消除过拟合的方法,限制神经元及Dropout在提高神经网络稀疏程度及增加网络泛化能力方面的效果,并根据该结果确定最优保持概率p等于0.4,将卷积神经网络优化为深度稀疏矫正卷积神经网络,对比实验结果,该模型分类准确性比传统CNN提高了8个百分点。(本文来源于《中国石油大学(北京)》期刊2016-05-01）
刘学,玄志武,梁红[9]（2015）在《基于多尺度谱峭度图的遥测振动信号异常检测》一文中研究指出针对遥测振动信号频域成分复杂、非平稳非线性和强噪声特性,提出一种基于多尺度谱峭度图的遥测振动信号异常检测方法。首先对采集到的信号进行零漂修正和趋势项消除,然后利用自适应分解方法对信号进行自适应多尺度分解,依据谱峭度筛选出异常频率所在频带的分量;接下来利用筛选出的分量做时频分布,对时频分布进行多尺度划分,计算相应尺度频段内的谱峭度值并画出谱峭度图,依据峭度最大原则选取滤波频段;最后利用CZT变换对滤波后的信号进行频谱细化,进而获得振动信号的异常频率。仿真和实测数据验证了该方法的有效性。(本文来源于《弹箭与制导学报》期刊2015年05期）
潘龙,潘宏侠,马白雪[10]（2015）在《基于小波尺度谱重排与排列熵的自动机故障诊断》一文中研究指出针对传统的自动机故障诊断方法检测与诊断维修成本高、周期长,且容易受不确定性因素影响的问题,提出了基于小波尺度谱重排与排列熵的自动机故障诊断方法。该方法运用小波尺度谱重排,提高了自动机振动信号能量的集中度;以振动信号的小波排列熵作为特征向量,差异较为明显;并优化支持向量机(SVM)对自动机故障进行识别。实例验证表明:该方法能有效地提取故障特征值并完成故障识别,解决了自动机故障诊断的问题,是一种适合其高频振动冲击信号的故障诊断方法,有着极其重要的理论意义和现实意义。(本文来源于《探测与控制学报》期刊2015年03期）
尺度谱论文开题报告
（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：
风格漂移是证券投资基金常见的现象,辨识投资风格的显着特征对评级和选择证券投资基金有着重要的意义。基于多尺度谱映射的思想,本文提出了一种基金投资风格显着特征识别方法,从逻辑上阐述了该方法的基本原理,用数值模拟展示了该方法相对于传统方法有着明显的优势,并分析了该方法参数选取对识别结果的影响。利用该方法,本文对2012年以来我国24支开放式基金进行了投资风格显着特征的识别,发现这24支基金出现比较严重的风格漂移和趋同现象。
（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。
尺度谱论文参考文献
[1].李雪芹.掘进工作面污染源多尺度谱在线光学监测与智能辨识方法[D].中国矿业大学.2019
[2].苏木亚,杨晓光,郭崇慧.基于多尺度谱映射的基金投资风格显着特征识别方法[J].管理评论.2018
[3].杨宇蛟.基于多尺度谱分析的冷冻电镜叁维密度图分辨率检测算法设计[D].上海交通大学.2018
[4].杨素英,余欣洋,赵秀勇,李义宇,孙洪娉.太原冬季PM_(2.5)影响霾污染的关键尺度谱特征[J].环境科学.2018
[5].孙鲜明,刘欢,赵新光,周勃.基于瞬时包络尺度谱熵的滚动轴承早期故障奇异点识别及特征提取[J].机械工程学报.2017
[6].孙勋,杨祥立,涂尚坦,黄平平,杨文.结合特征选择和大尺度谱聚类的极化SAR图像非监督分类[J].信号处理.2016
[7].孙丽,王普才,张晋广,赵姝慧,杨磊.香河地区亚微米气溶胶粒子尺度谱分布特征[J].气象与环境科学.2016
[8].庄骏飞.基于差值尺度谱和卷积神经网络的转子故障诊断方法研究[D].中国石油大学(北京).2016
[9].刘学,玄志武,梁红.基于多尺度谱峭度图的遥测振动信号异常检测[J].弹箭与制导学报.2015
[10].潘龙,潘宏侠,马白雪.基于小波尺度谱重排与排列熵的自动机故障诊断[J].探测与控制学报.2015