本文關(guān)鍵詞：基于分形理論的衛(wèi)星狀態(tài)異變特征提取算法研究

  更多相關(guān)文章： 單重分形 多重分形 矩陣分形 多模板 信號(hào)篩選

【摘要】：分形是現(xiàn)代非線(xiàn)性科學(xué)的一個(gè)重要組成部分,被廣泛應(yīng)用于諸多領(lǐng)域。本文利用它的自相似性來(lái)實(shí)現(xiàn)異常狀態(tài)的檢測(cè)。自相似性,即對(duì)于相同狀態(tài)下采集的信號(hào),在特定測(cè)度下對(duì)其度量得到的分形維數(shù)非常接近,通過(guò)對(duì)分形維數(shù)大小的判定完成狀態(tài)的區(qū)分,從而實(shí)現(xiàn)異常狀態(tài)的檢測(cè)。本文以分形的基本理論為基礎(chǔ),結(jié)合分形維數(shù)特性采用三種方法對(duì)信號(hào)進(jìn)行度量。針對(duì)單重分形方法,以特定測(cè)度下的分形維數(shù)為主要特征量,針對(duì)不同狀態(tài)采取多組信號(hào)劃分維數(shù)區(qū)間,通過(guò)判定未知狀態(tài)維數(shù)值所屬的區(qū)間從而實(shí)現(xiàn)狀態(tài)的判定,簡(jiǎn)捷直觀,方便可行。但是由于對(duì)信號(hào)從單一測(cè)度考慮,對(duì)信號(hào)度量非常不全面,在不同的測(cè)度下可能得到的效果差異較大,諸多限制使得單重分形存在很多的局限性。多重分形在多個(gè)測(cè)度下對(duì)信號(hào)進(jìn)行全面度量,特征量從單一的維數(shù)變成了維數(shù)序列,通過(guò)判定與各模板之間的相關(guān)系數(shù)大小關(guān)系來(lái)判定狀態(tài)相近,有效避免了單重分形的局限性。針對(duì)多重分形方法的關(guān)鍵問(wèn)題是如何選取合適的模板信號(hào)在各個(gè)測(cè)度下對(duì)信號(hào)進(jìn)行完整客觀的表述。本文通過(guò)采集多組模板信號(hào),計(jì)算相關(guān)系數(shù)的均值來(lái)實(shí)現(xiàn),有效減小因單一模板波動(dòng)性過(guò)大而造成的負(fù)面影響,有效提高了檢測(cè)效率。矩陣式分形方法是對(duì)信號(hào)進(jìn)行分解的基礎(chǔ)上,通過(guò)對(duì)分量信號(hào)分別進(jìn)行多重分形實(shí)現(xiàn)。特征量從二維的維數(shù)序列變成三維的維數(shù)矩陣,由于更好地抑制了維數(shù)的波動(dòng)性,從而使得區(qū)分能力更進(jìn)一步增強(qiáng);同時(shí)改進(jìn)相關(guān)系數(shù)判定方法,使用了針對(duì)矩陣式分形相關(guān)系數(shù)的計(jì)算方法。矩陣分形方法的關(guān)鍵是選擇合適的模板信號(hào)與使用科學(xué)的信號(hào)分解方法,前者與多重分形類(lèi)似,通過(guò)采集多組信號(hào)作為模板,以模板計(jì)算得到的相關(guān)系數(shù)之和作為判定;后者則需結(jié)合信號(hào)分解方法自身特點(diǎn),針對(duì)矩陣構(gòu)建和分量信號(hào)的選取做出一定調(diào)整。例如本文采用常用的經(jīng)驗(yàn)?zāi)B(tài)分解方法會(huì)得到大量的殘差,分解后得到的殘差項(xiàng)應(yīng)該忽略不計(jì)即不用于構(gòu)建分形矩陣,才能有效檢測(cè)異常。同時(shí),為了獲得區(qū)分能力最優(yōu)的分量信號(hào),采用了基于相關(guān)系數(shù)的信號(hào)篩選方法,結(jié)合模板信號(hào),選取區(qū)分能力最優(yōu)的分量信號(hào)用于構(gòu)建最優(yōu)的分形矩陣,可以使得區(qū)分能力大大增強(qiáng),更好地實(shí)現(xiàn)狀態(tài)的判定。
【關(guān)鍵詞】：單重分形 多重分形 矩陣分形 多模板 信號(hào)篩選
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41;O189
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 研究工作的背景與意義10-12
• 1.2 國(guó)內(nèi)外研究歷史與現(xiàn)狀12-14
• 1.3 本文的主要貢獻(xiàn)與創(chuàng)新14
• 1.4 本論文的結(jié)構(gòu)安排14-16
• 第二章 分形維數(shù)的起源及計(jì)算16-25
• 2.1 前言16
• 2.2 單重分形16-21
• 2.2.1 單重分形概述16-18
• 2.2.2 典型的單重分形維數(shù)18-19
• 2.2.3 盒維數(shù)的計(jì)算方法19-20
• 2.2.4 關(guān)聯(lián)維數(shù)的計(jì)算方法20-21
• 2.3 多重分形21-23
• 2.3.1 多重分形的定義21
• 2.3.2 廣義維數(shù)的計(jì)算方法21-23
• 2.4 本章小結(jié)23-25
• 第三章 單重分形與多重分形異常狀態(tài)檢測(cè)方法25-37
• 3.1 前言25
• 3.2 基于單重分形的異常狀態(tài)檢測(cè)方法25-30
• 3.2.1 單重分形的診斷基理25-27
• 3.2.2 單重分形的異常狀態(tài)檢測(cè)方法27-28
• 3.2.3 設(shè)備狀態(tài)區(qū)間的劃分28-30
• 3.3 基于多重分形的異常狀態(tài)檢測(cè)方法30-34
• 3.3.1 多重分形的檢測(cè)基理30-32
• 3.3.2 多重分形的相關(guān)性度量32
• 3.3.3 多重分形的檢測(cè)方法32-33
• 3.3.4 多重分形樣本序列的構(gòu)建33-34
• 3.4 基于多重分形模板區(qū)分方法的改進(jìn)34-35
• 3.5 本章小結(jié)35-37
• 第四章 矩陣式分形異常狀態(tài)檢測(cè)方法37-46
• 4.1 前言37
• 4.2 矩陣式分形異常檢測(cè)機(jī)理37-38
• 4.3 經(jīng)驗(yàn)?zāi)B(tài)分解及應(yīng)用38-39
• 4.4 基于矩陣式分形的異常狀態(tài)檢測(cè)方法39-42
• 4.4.1 矩陣式分形的相關(guān)度量39-40
• 4.4.2 矩陣式分形異常檢測(cè)方法40
• 4.4.3 樣本矩陣的構(gòu)建及狀態(tài)識(shí)別40-42
• 4.5 矩陣分量信號(hào)選擇42-44
• 4.6 本章小結(jié)44-46
• 第五章 實(shí)驗(yàn)結(jié)果與分析46-74
• 5.1 實(shí)現(xiàn)平臺(tái)46-47
• 5.2 數(shù)據(jù)預(yù)處理模塊47-48
• 5.3 基于單重分形檢測(cè)的結(jié)果48-56
• 5.3.1 單重分形在異變檢測(cè)分析中的結(jié)果48-51
• 5.3.2 單重分形在不同測(cè)度下的結(jié)果對(duì)比51-56
• 5.3.3 單重分形方法的優(yōu)缺點(diǎn)56
• 5.4 基于多重分形診斷方法的結(jié)果與分析56-64
• 5.4.1 多重分形在異變檢測(cè)點(diǎn)中的應(yīng)用56-60
• 5.4.2 多重分形的改進(jìn)方法測(cè)試結(jié)果60-63
• 5.4.3 多重分形方法的優(yōu)缺點(diǎn)63-64
• 5.5 基于矩陣式分形診斷方法的結(jié)果與分析64-72
• 5.5.1 基于經(jīng)驗(yàn)?zāi)B(tài)分解的矩陣式分形故障診斷方法結(jié)果及分析64-66
• 5.5.2 矩陣分形方法針對(duì)模板數(shù)量的改進(jìn)66-69
• 5.5.3 分量信號(hào)選擇后的矩陣式分形診斷結(jié)果與分析69-72
• 5.5.4 矩陣式分形方法的優(yōu)缺點(diǎn)72
• 5.6 本章小結(jié)72-74
• 第六章 總結(jié)與展望74-76
• 6.1 全文總結(jié)74-75
• 6.2 后續(xù)展望75-76
• 致謝76-77
• 參考文獻(xiàn)77-81

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 劉彬;王霄;謝平;;基于小波多重分形的復(fù)雜機(jī)械故障診斷方法研究[J];傳感技術(shù)學(xué)報(bào);2006年01期

，

本文編號(hào)：657224