导读:本文包含了非高斯性论文开题报告文献综述及选题提纲参考文献，主要关键词:序批式反应器,多向核熵独立成分,故障检测,故障诊断
非高斯性论文文献综述
常鹏,乔俊飞,王普,高学金[1]（2019）在《非线性和非高斯性共存的序批次反应处理过程故障诊断（英文）》一文中研究指出序批式反应器(SBR)的处理过程的数据具有非高斯分布和高度非线性的特点,传统特征提取方法在进行特征提取时仅仅考虑信息最大化而忽略数据的簇结构信息导致数据特征提取的不完整.由于多向核熵成分分析是一种新的监测方法,在监测过程中的应用表明能够克服传统监测方法的缺陷,减少误报警率.因此本文结合多向核熵成分分析的的优势,提出多向核熵独立成分分析方法用于SBR过程监测及故障诊断.首先,将叁维SBR过程数据利用一种新的数据展开技术变为二维数据;其次,利用核熵成分分析将展开后的二维数据映射到高维空间用独立成分分析进行独立成分提取;最后提出一种基于多向核熵独立成分分析的故障诊断方法进行故障诊断.将该方法和传统方法应用于80升的SBR处理过程的监测结果表明,本文提出的方法优于传统的多向独立成分分析方法.(本文来源于《控制理论与应用》期刊2019年05期）
赫建伟,邓勇,邓盾,彭海龙,方中于[2]（2018）在《基于非高斯性最大化的起伏海面环境下双检信号波场分离》一文中研究指出对于双检波器采集的信号,通常将其变换至频率—波数域中,经过波场分离得到上、下行波,再对其中的陆检信号和水检信号分别进行处理,然后合并,以达到消除鬼波,加强一次波的目的。这样处理的前提是假设海面平静、检波点分布均匀。然而,实际数据采集中很难满足上述条件,导致检波点鬼波的压制效果不甚理想。据此,本文首次提出适用于起伏海面的时空域逐道波场分离技术,通过构建非高斯性最大化优化目标实现波场分离。与传统的波场分离方法相比,该方法更适用于海上地震数据处理,能取得理想的鬼波压制效果。实际数据处理结果表明,基于非高斯性最大化波场分离的鬼波压制处理流程,能有效消除鬼波,拓展地震资料频带并提高信噪比,进而提高成像质量。(本文来源于《石油地球物理勘探》期刊2018年04期）
双妙,宋波[3]（2017）在《风荷载的非高斯性对风机结构疲劳损伤的影响》一文中研究指出为分析非高斯风荷载作用下风机结构的疲劳寿命,在穿越模型基础上,根据Monte Carlo模拟生成某典型风机正常风速条件下,高斯、非高斯硬化和软化3种风场的风速时程,用于分析风场的非高斯性对风机结构疲劳损伤的影响.由叶片的气动模型和多体动力,计算出风机的动力响应,并对响应的时域特性进行分析.基于线性损伤累积和线性裂纹扩展理论,对裂纹形成寿命和裂纹扩展寿命进行详细讨论.结果表明:不同概率特性风场作用下风机动力响应的最大值有所不同,且风机响应的非高斯性较风场的非高斯性减弱;在年平均风速较小地区,风场的非高斯性对风机疲劳寿命影响较小;但随着年平均风速的增大,非高斯性对疲劳寿命的影响显着增大,当年平均风速为7 m/s和9 m/s时,相较于高斯风场,软化过程的裂纹形成寿命减小约10%.因此,在年平均风速较大地区,需要考虑风场的软化特性对风机结构疲劳损伤的影响.(本文来源于《哈尔滨工业大学学报》期刊2017年12期）
常鹏,乔俊飞,王普,高学金,李征[4]（2018）在《基于MKECA的非高斯性和非线性共存的间歇过程监测》一文中研究指出多向核独立成分分析(multiway kernel independent component analysis,MKICA)在监测间歇过程非高斯性和非线性方面取得了广泛应用,其仅仅是将线性独立成分分析(independent component analysis,ICA)方法利用核主成分分析(kernel principal component analysis,KPCA)白化扩展到非线性领域,但数据经KPCA白化后只考虑数据信息最大化未考虑数据簇结构信息的不足,为解决此问题,采用核熵成分分析(kernel entropy component analysis,KECA)代替KPCA白化的过程监测方法。该方法首先利用AT展开方法将过程叁维数据变为二维数据;其次用KECA进行白化处理的同时解决数据的非线性;然后建立ICA监测模型用于非高斯生产过程监测;最后将该方法应用到青霉素发酵仿真和实际的工业过程并与MKICA方法进行对比,验证该方法的有效性。(本文来源于《化工学报》期刊2018年03期）
常鹏,乔俊飞,王普,高学金,李征[5]（2017）在《基于MKECA的非高斯性和非线性共存的间歇过程监测》一文中研究指出MKICA在监测间歇过程非高斯特和非线性性方面取得了广泛应用,其仅仅是将线性ICA方法利用KPCA白化扩展到非线性领域,但数据经KPCA白化后只考虑数据信息最大化未考虑数据簇结构信息的不足,为解决此问题,提出用KECA代替KPCA白化的监测方法。该方法首先用AT变量展开方法将过程叁维数据展开为二维数据矩阵;其次用KECA进行白化处理并同时解决数据的非线性;然后建立ICA监测模型用于非高斯生产过程监测;最后将该方法应用于实际的工业过程并与传统MKICA方法进行对比,验证该方法的有效性。(本文来源于《第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年摘要集》期刊2017-07-30）
景源,李鹏,牛斌[6]（2016）在《一种基于非高斯性测度的认知无线电频谱感知新方法》一文中研究指出针对认知无线网络中小尺度授权用户的频谱检测问题,提出一种新的基于非高斯性测度的频谱感知新方法.由于在某一频段内,授权用户信号的出现会使得认知用户接收信号功率谱密度的统计分布特性发生显着改变,因此,利用峭度和偏度设计一个非高斯性测度统计量,进而提出利用非高斯性测度统计量来检测认知用户接收信号功率谱密度统计分布特性的变化,从而可以实现对认知无线网络中具有低发射功率的小尺度授权用户的准确检测.仿真实验结果表明,本文所提方法具有较好的频谱感知性能,并且对噪声的不确定性具有较好的鲁棒性.(本文来源于《小型微型计算机系统》期刊2016年09期）
杨圣[7]（2015）在《宇宙大尺度结构和原初扰动非高斯性研研究进展》一文中研究指出宇宙微波背景辐射(CMB)探测和大尺度结构(LSS)巡天是两种研究宇宙演化的重要手段。近年来高精度的宇宙微波背景辐射实验和大尺度结构巡天可以对今天的宇宙学模型给出精确测量,比如宇宙曲率、暴胀模型参数和原初非高斯性等。宇宙大尺度结构的原初非高斯性揭示了在甚早期宇宙中引发大尺度结构的原初扰动的物理诱发机制,有效地对不同暴胀模型进行区分,是研究甚早期宇宙的有效工具和手段。但是最近的研究结果表明,很多大尺度结构巡天的数据被系统误差严重污染,如大气视宁度、天光背景等,这些误差导致由大尺度结构巡天数据给出的原初非高斯的研究结果与实际情况相差甚远。大尺度结构巡天数据的系统误差消除和它对限制宇宙原初非高斯性的改善,对更好地了解甚早期宇宙具有重要意义。(本文来源于《天文学进展》期刊2015年04期）
杜文浩,孙涛,王宝瑞[8]（2015）在《金刚石刀具研磨声发射信号的非高斯性特征分析》一文中研究指出为确保金刚石刀具的制备效率和质量,采用声发射信号作为监测手段对金刚石刀具的精密研磨辅助进行过程调控.然而,该声发射信号的有效特征不能通过传统的信号处理方法辨识,实际研磨中仅能通过人工监听和操作经验定性判断.因此,本文从砂轮磨粒与刀具研磨面的微观接触特点出发,采用泊松过程模型对金刚石刀具研磨中声发射信号的激励机制进行了分析,阐明该信号具有非高斯性特征,采用线性系统理论阐明这一特征可被不失真地传输和接收,同时也给出了该信号高斯化近似的约束条件.最后通过工艺实验验证了该声发射信号的非高斯性特征在金刚石刀具研磨过程中的存在性,也证实了这一特征不受研磨速度和研磨压力等工艺参数的影响,而是与刀具研磨面的耐磨方向存在固有关联关系,从而为声发射信号监测在金刚石刀具研磨自动化系统中的合理应用奠定了方法基础.(本文来源于《纳米技术与精密工程》期刊2015年03期）
徐志萍,姜磊,李德庆,杨利普,熊伟[9]（2014）在《重磁异常信号的非高斯性探讨》一文中研究指出从盲源分离方法的问题及假设条件出发,阐述了探讨重磁信号非高斯性的必要性;通过对不同理论模型重磁异常信号的非高斯性进行研究,得出球体与直立长方体的重磁异常信号不是高斯信号;同时得出台阶重磁异常信号的非高斯性与其埋深有关,与磁化方向无关。(本文来源于《地震地磁观测与研究》期刊2014年Z2期）
周雁冰,柳亦兵,王峰,姜锐[10]（2014）在《齿轮故障振动信号非高斯性特征趋势分析》一文中研究指出以齿轮箱实测振动信号为对象,对齿轮点蚀故障发展过程深入研究。通过Gabor滤波仅保留振动信号的边带成分与随机成分;据双谱分析结果研究信号非线性、非高斯性变化,并提取非高斯性强度特征值;在故障趋势分析中利用"3σ准则"设定故障阈值。结果表明,非高斯性强度特征值对齿轮点蚀故障较敏感,可揭示故障发展变化趋势,有利于齿轮故障报警及寿命预测,对齿轮传动系统状态监测与故障诊断具有实际意义。(本文来源于《振动与冲击》期刊2014年06期）
非高斯性论文开题报告
（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：
对于双检波器采集的信号,通常将其变换至频率—波数域中,经过波场分离得到上、下行波,再对其中的陆检信号和水检信号分别进行处理,然后合并,以达到消除鬼波,加强一次波的目的。这样处理的前提是假设海面平静、检波点分布均匀。然而,实际数据采集中很难满足上述条件,导致检波点鬼波的压制效果不甚理想。据此,本文首次提出适用于起伏海面的时空域逐道波场分离技术,通过构建非高斯性最大化优化目标实现波场分离。与传统的波场分离方法相比,该方法更适用于海上地震数据处理,能取得理想的鬼波压制效果。实际数据处理结果表明,基于非高斯性最大化波场分离的鬼波压制处理流程,能有效消除鬼波,拓展地震资料频带并提高信噪比,进而提高成像质量。
（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。
非高斯性论文参考文献
[1].常鹏,乔俊飞,王普,高学金.非线性和非高斯性共存的序批次反应处理过程故障诊断（英文）[J].控制理论与应用.2019
[2].赫建伟,邓勇,邓盾,彭海龙,方中于.基于非高斯性最大化的起伏海面环境下双检信号波场分离[J].石油地球物理勘探.2018
[3].双妙,宋波.风荷载的非高斯性对风机结构疲劳损伤的影响[J].哈尔滨工业大学学报.2017
[4].常鹏,乔俊飞,王普,高学金,李征.基于MKECA的非高斯性和非线性共存的间歇过程监测[J].化工学报.2018
[5].常鹏,乔俊飞,王普,高学金,李征.基于MKECA的非高斯性和非线性共存的间歇过程监测[C].第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集.2017
[6].景源,李鹏,牛斌.一种基于非高斯性测度的认知无线电频谱感知新方法[J].小型微型计算机系统.2016
[7].杨圣.宇宙大尺度结构和原初扰动非高斯性研研究进展[J].天文学进展.2015
[8].杜文浩,孙涛,王宝瑞.金刚石刀具研磨声发射信号的非高斯性特征分析[J].纳米技术与精密工程.2015
[9].徐志萍,姜磊,李德庆,杨利普,熊伟.重磁异常信号的非高斯性探讨[J].地震地磁观测与研究.2014
[10].周雁冰,柳亦兵,王峰,姜锐.齿轮故障振动信号非高斯性特征趋势分析[J].振动与冲击.2014