一、基于小波分析的分布参数系统最优边界控制的逼近算法（论文文献综述）
王魁良[1]（2021）在《Haar小波数值方法及其在力学问题中的应用》文中认为小波分析是近几十年快速发展起来的一种数学工具,已经被运用于微分方程的数值求解。结构分析和工程力学中的问题多是以微分方程的形式来表征的,这类方程往往有高维、高阶和非线性等难点,所以需要有效的数值方法来求解。本研究小组之前提出的一种基于Coiflet小波的积分配点方法,具有非常高的精度。但由于支撑集为[0,17]的Coiflet小波不具有解析表达式,其函数值和积分只能通过一系列相对复杂的计算在二分点处求取,增加了复杂度和计算量,这在一定程度上限制了该方法的使用。而Haar小波形式简单,相关的计算容易,作为一种具有显式表达式的小波,同时还具有规范正交性、紧支撑等性质。本文针对求解精度上要求不是特别高的问题,基于Haar小波构造了积分配点方法。首先通过Haar小波的函数展开定理,分析了用小波积分的方法求解微分方程的原理和可行性。然后给出了方程中各项用函数的最高阶偏导数通过Haar小波及其积分表示的表达式以及边界条件的处理方法。最后给出了使用配点法离散方程和求解离散后得到的代数方程的方法,以及待求函数的重构。为了检验该方法的性能,对于静力学的边值问题,我们选取一维Bratu方程和方板弯曲方程作为算例。其中Bratu方程采用了不同的表示非线性强弱的参数,方板弯曲问题包括小挠度和大挠度两种情形分别对应的线性和非线性方程,以及不同类型的载荷。通过对这些具有不同参数和特点的方程进行求解并进行误差分析,我们发现所构造的Haar小波积分配点法具不受方程阶数和非线性强弱影响的稳定的二阶收敛精度,误差也在可观的范围内。对于动力学的初边值问题,我们选取流体力学中经典的槽道流和方腔流作为算例,用Haar小波积分配点法结合人工压缩算法求解了二维原始变量粘性不可压缩流动的N-S方程。其中将时间作为与空间坐标等价的变量处理,也给出了将边界条件纳入初始条件的处理方法。计算表明,使用较少的节点即可模拟出较好的流场结果,证明了该方法在求解动力学问题中复杂非线性方程的可行性。
朱彬彬[2]（2020）在《基于小波分析的电力电缆故障检测技术研究》文中认为在国家城市电网以及农村电网的改造当中,电力电缆由于其占地面积小、抗干扰性能强、供电稳定、运行简单、维护量小以及输电功率因数高等特点,被广泛运用于中低压配电系统当中。但是出于安全等方面的考虑,电力电缆一般都是通过高悬或深埋的办法来进行输电作业,这就导致其发生隐患时很难被及时发现排除,使得查找隐患较慢,进而使停电时间过长,导致企事业单位生产、居民生活无法正常进行。因此电缆故障点的及时锁定研究对保障民众用电和促进经济发展具有重要意义。随着对小波数据分析的研究不断深入,输电线路的故障分析方法得到进一步发展,其强大的生命力已在电力系统的实战中得到证实。本文将电力电缆故障点的定位作为研究基础,利用小波变换和行波测距作为主要的研究的策略,来对电力电缆的故障点进行精准的定位。论文从电缆电气特性入手对其基本电气参量进行研究,引入行波测距分析法,从故障行波的产生原因、传输特性进行探讨,比较不同的行波测距方法,挑选最优的方法进行故障的精准定位,本文选取了最优的D型故障测距法。通过对小波变换进行多尺度分析和研究,比较几种不同的阈值降噪方法,通过比较传统去噪方法,选取PSO降噪方法对故障行波进行降噪,该方法采用提升小波代替传统小波对含噪信号进行分解,给出一种简洁的阈值优化方法获得有效行波信息。最后在SIMULINK的基础之上创建电缆故障测距仿真作业模型,利用小波进行行波信号处理,通过有效信号最终锁定故障点,取得了不错的效果。通过算例结果可以得出,PSO去噪法可以对故障信号的有效提取,与传统阈值去噪法相比,具有明显的优越性。进一步的仿真研究表明,模极大值以及奇异性能精准把握故障发生的行波时刻并提高电缆故障排除作业的效率。
王志宽[3]（2020）在《基于改进果蝇算法的RBF神经网络故障测距方法研究》文中研究指明在我国,各地区之间的经济发展水平有很大差异,主要的繁华城市都集中在东南部沿海地区,也是我国用电负荷最集中的地区。但是一次能源的分布却刚好相反,主要集中在西部地区。这就需要我们把西部的能源资源转换为电力输送到东部地区,实现国家西电东送的长远战略。为了实现远距离的输电,特高压直流输电的建设非常有必要。特高压直流输电的优势明显,输送距离远,能量损耗小。由于输电距离长,发生故障时,寻找故障位置也比较复杂。因此,研究特高压直流输电定位技术非常有必要。当特高压直流线路发生故障时,线路上会产生固有频率,故障距离与固有频率存在一定的非线性关系,但是精细的固有频率不易提取,所以利用行波频谱能量代替固有频率进行定位。RBF神经网络精度高,不易陷入局部最优,可以利用RBF神经网络去拟合频谱能量与故障距离的关系,但由于扩展宽度σ会影响RBF网络的性能,同时直接影响到最终训练结果的精确性,所以采用果蝇算法对其进行优化选取,提升模型性能。并针对果蝇算法自身的不足,通过改变果蝇算法的步长对果蝇算法进行改进,改进后的果蝇算法寻优精度显着提高。利用改进的果蝇算法对神经网络优化,提升神经网络测距模型的性能。利用PSCAD/EMTDC软件搭建云广特高压直流输电系统仿真模型,并验证模型的有效性。在输电线路正极设置短路故障,采集不同过渡电阻以及故障距离情况下的故障信号,并将故障电压信号利用Karenbauer变换进行解耦,提取线模分量,将得到的线模电压分量带入小波包分解程序中,进行三层小波包分解得到第3层各子频带的信号,计算得到各子频带信号的能量比,将能量比作为特高压直流线路故障信号的特征量输入故障测距模型中,对模型进行训练,训练后的神经网络即可用于故障测距。最后经过仿真计算,得到结果误差都在1km以内,精确度比较好。证明了本文的改进果蝇算法优化RBF神经网络的故障测距算法的有效性。
庄波[4]（2019）在《基于传感器/执行器网络的分布参数系统协同控制》文中研究说明分布参数系统的状态同时依赖于时间和空间,因此是一类无穷维的动力系统,其广泛应用于工程、社会、生态、环境等领域.研究基于传感器/执行器网络的分布参数系统控制问题具有重要的理论意义和应用价值.本文在传感器/执行器网络环境下,针对n-维空间上的扩散系统,研究利用移动智能体协同控制,以提高系统的控制性能.针对n-维耦合分数阶反应扩散系统,研究利用传感器/执行器网络对系统进行边界控制的方法.主要研究工作如下:1.针对n-维空间上扩散系统的控制问题,提出了基于移动智能体的传感器/执行器网络系统架构,借助新的覆盖度量,提出了基于覆盖优化的智能体移动控制策略以提高闭环系统的控制性能,其中,每个智能体的移动方向为其空间局部最优梯度方向,该梯度方向可以表示为一个（n-1）-维表面积分.借助n-维空间上的指示函数表示智能体传感器和执行器的空间分布,使结果在n-维空间上具有统一而简洁的表达形式,而且只要求传感（执行）区域具有分片光滑的边界而没有几何形状的限制.借助Dirac表面delta函数,利用无穷维算子理论和Lyapunov方法证明了闭环系统的稳定性.通过不同维度空间上的数值仿真和对比,验证了所提出方法的有效性.在此基础上,进一步考虑智能体之间存在连续时变交互的情形,针对一阶和二阶智能体分别设计了集中式和分散式的移动控制策略.2.针对一类带有空间依赖耦合系数的时间分数阶反应扩散系统,利用反步法设计了状态反馈的Robin边界控制器,并且借助逐次逼近法和数学归纳法证明了控制增益核函数矩阵偏微分方程解的适定性.在一定条件下给出了控制增益核函数的解析解,同时给出了控制增益核函数的数值解,该数值解可以简化控制器设计参数的选取算法.利用分数阶Lyapunov方法证明了耦合分数阶闭环系统在L2和H1空间上Mittag-Leffler稳定.数值仿真验证了理论结果.3.针对带有空间依赖耦合系数的时间分数阶反应扩散系统,利用反步法提出了观测器设计和基于观测器的边界输出反馈控制,证明了带有耦合系数的观测增益和控制增益核函数矩阵偏微分方程的适定性.针对误差系统和输出反馈的闭环系统,利用分数阶Lyapunov方法证明了系统的Mittag-Leffler稳定性.利用Wirtinger不等式,改进了耦合系统稳定条件下设计参数的下界,使结果保守性更小.在一定条件下给出了观测增益和控制增益核函数矩阵偏微分方程的解析解,同时给出了它们的数值解,利用该数值解可大大简化观测器和控制器参数的选择算法.数值仿真验证了理论结果.
陈适之[5]（2019）在《基于长标距FBG的中小跨桥梁损伤识别与评估研究》文中提出公路桥梁系统中,中小跨桥梁数量庞大且地理分布广泛。随着服役时间的增长,交通荷载的增加,其结构性能会出现不同程度的退化。为了及时发现并避免潜在危害,可通过安装健康监测系统来对桥梁性能进行实时监测评估。但目前现有的健康监测系统及方法主要是针对大跨桥梁开发的,并不适用于中小跨桥梁。本课题组开发的长标距FBG传感器,与传统点式传感器相比,可以方便地仅通过有限数量的传感器采集到桥梁结构大范围区域内的响应,同时还兼具安装简便、抗电磁干扰等优点,具有广阔的应用前景。本文基于该传感器组建传感系统,计划通过一套传感器实现健康监测所需的多种损伤识别和评估功能,以适应中小跨桥梁数量多、分布广的特点。本文主要研究内容和创新点包括:本文首先建立了基于长标距应变响应差分的桥梁式动态称重方法,在传统应变影响线概念的理论基础上推导出了长标距应变影响线方程,并根据长标距应变差分与车辆车速、轴重、轴距间的对应关系,提出应变指标εD,建立起不受结构边界条件限制的桥梁式动态称重方法。随后开展了系列数值模拟和实桥测试,对该方法的可行性进行了验证。随后,提出了基于长标距应变响应多重交叉检验的中小跨桥梁损伤识别方法。在单车通过工况下,推导出结构任意三段长标距应变响应内差值和结构刚度间的函数关系,建立起损伤识别方法。该方法利用全部传感器测得的应变数据,经多种排列组合进行多重交叉验证,可准确识别结构损伤位置和程度,避免因传感器故障、外部环境干扰等引起的损伤误报。然后基于车桥耦合模拟理论,编写了二维车桥耦合模拟程序以检验方法的可行性,开展了一系列数值模拟,并在实际桥梁上进行了短期测试来考察其在实际环境中的表现。还提出了一种随机车流下基于长标距应变响应的中小跨桥梁损伤识别方法。基于桥梁长标距应变影响线时程积分与结构刚度分布间的关系,推导出随机车流作用下长标距应变时程积分表达式,并经分析发现该时程积分面积与结构刚度分布的对应关系仍近似符合单车工况下两者的函数关系,基于该原理开发了此损伤识别方法。该方法不仅限于单车通过工况,还可用于实际随机车流状况。然后基于缩尺桥梁模型搭建起室内车桥耦合试验平台并设计了不同的工况来检验该方法。此外为了模拟更为真实的车流环境,编写了三维车桥耦合模拟程序,并基于实测车流数据生成模拟随机车流下的桥梁响应来对该方法进行验证。然后基于上述两种损伤识别方法,还建立了基于长标距应变时程的两阶段贝叶斯模型修正方法方法,对有限元模型中重要参数包括材料信息和边界条件进行修正。方法基于贝叶斯理论,结合损伤识别方法得到的各参数先验分布通过马尔科夫链蒙特卡洛方法修正得到各参数的后验分布。同时在该框架中,通过训练径向基神经网络作为代理模型来替代有限元模型,以提高模型修正计算效率,可以实现对桥梁状况进行实时快速更新及评估。该方法随后也通过一系列数值案例和室内试验进行了检验。最后,文章结合前述各项成果,建立了基于长标距应变时程和概率密度演化方法的中小跨桥梁可靠度分析方法,主要思路是将前述经贝叶斯模型修正的基准有限元模型与真实随机车流模型以及概率密度演化方法结合,来对结构当前状态下的随机响应进行计算分析,并最终评估出结构当前可靠度状态,改善传统采用蒙特卡洛模拟方法求解可靠度时效率低下的问题。基于一座国内典型公路桥梁建立数值算例,选择国内一实测随机车辆荷载模型,在考虑模型材料和结构边界不确定性的情况下,计算出该公路桥梁在不同交通状况、不同系统工况下的疲劳可靠度及疲劳寿命,验证了该分析方法的可行性。
张一喆[6]（2019）在《基于工况识别的高速动车组构架疲劳损伤研究》文中指出2018年底,我国的高速铁路运营里程已接近2.8万km。“复兴号”动车组的大面积开行,使我国现役的动车组接近3000列。随着新线路、新车型的不断投入,以及运行速度和对乘坐舒适度要求的不断提高,对车辆运行的安全可靠性研究则显得尤为重要。而焊接构架则是动车组走行部的主体结构,是整车安全可靠运用的重要保障。近些年,国内外针对构架在牵引和制动等载荷系下的疲劳,以及通过长期应力试验得到构架关键部位的损伤规律等问题的研究已初见成效,但是对于不同线路条件和工况特点对构架承载和损伤状态影响的研究仍有待深入。本文基于上述背景,对高速铁路线路工况的分类以及识别方法进行了研究,并基于线路实测数据,计算各类运用工况与构架疲劳损伤之间的耦合关系,最终通过工况识别数据对构架损伤做出比较准确的预测。主要的研究内容如下:1.从工况识别和损伤分析对传感器数据处理的实际要求出发,结合陀螺仪及电阻应变计的实际数据对基于傅里叶变换的经典滤波、小波变换和希尔伯特-黄变换的理论和应用进行研究。揭示了对加速度信号进行经验模态分解获得的各阶内部模态函数的本质特性,在基于曲率半径的工况识别问题中大幅提高识别正确率。2.对我国现有高速铁路中典型运用工况的测试数据进行了统计分析,发现不同线路之间的规律性和差异性、以及工况分布的差异可能是造成不同线路运用时构架损伤存在不同的根本性原因。依据微机械陀螺仪的工作原理和测量精度,提出了基于曲率半径的曲线和道岔的识别方案。在对两者半径重合区的识别中,基于希尔伯特-黄变换的理论,采用了加速度内部模态函数的能量熵,对曲线和道岔做出了较准确的划分。3.根据气压变化的特性对两车交会和通过隧道两种工况进行识别,分析动车组设备舱大量气压试验数据后发现,舱内部分位置的气压值在上述工况下的规律性表达可作为识别的依据。对两车交会和通过隧道数据单独提取后,给出了基于支持向量机理论的阈值工况区分法。对该方案识别效果进行分析后,补充了GPS信号配合下的通过隧道识别方案,综合提升了识别准确率。总结各类工况的判定依据和流程,给出了基本的动车组工况识别方案。4.研究动应力测试数据分布规律,给出采用三参数威布尔分布的拟合方案,基于各类级数选择理论,对动应力数据统计分组数目进行了研究。根据材料的S-N曲线及Miner损伤法则推导出等效应力的计算方法,并采用构架的实测数据对所有分布参数和等效应力值的关系做了讨论。5.对大量同工况、同交路的动车组构架动应力测试数据进行了统计,发现动应力测试结果的离散性是普遍存在的。在考察动应力样本离群性方面,基于误差分析的基本理论,提出了针对小样本的四分位法修正算法。采用350km/h速度级动车组构架部分测点在大量运用交路上的数据进行分布检验,确定其分布规律。并对不同使用公里数、不同工况、交路和构架不同位置的测点等效应力分布差异性进行深入研究,揭示出等效应力分布参数和疲劳损伤程度之间的关联。给出了基于概率和等损伤思想的应力等效方法,使构架的疲劳损伤评估更加科学准确,有充足的理论依据。6.给出构架在直线、曲线、两车交会和通过隧道等各种单一工况下的等效应力状态,分析了不同工况与构架不同位置损伤间的关联。针对实际运行中多工况叠加问题,引入BP神经网络,通过输入大量单一工况和多工况下的工况状态和构架损伤响应输出,对网络进行训练,使其给出在工况叠加时较为准确的构架状态。最后对大量线路进行工况识别和划分,采用识别得到的数据给出构架的损伤状态,并与全交路测试的动应力数据进行比对,综合分析工况识别和损伤评估的效果。本文的研究结论对进一步精细化载荷谱的建立提供了理论依据,也为参考车辆损伤规律的高速铁路线路设计给出了意见。同时对各类动车组在新线路上运用的应力状态给出了全新的预测方法,较好地估计了构架在不同交路上的动应力测试结果,具有一定的理论指导意义和工程实用价值。
韩露[7]（2019）在《三元复合驱提高采收率的建模及近似动态规划研究》文中进行了进一步梳理目前,石油开采已经进入到了以化学驱替剂为主要手段的三次采油阶段,这一阶段的油藏特点是含水率高、含油量少,如何进一步提高采收率是目前石油开发中亟待解决的问题。三元复合驱是一种可以有效提高石油采收率的三次采油手段。然而三元复合驱的开采周期长、投入成本高,需要对三元复合驱技术进行科学的研究,以制定合理的开发方案。本文提出基于边界值约束的小波神经网络,然后建立基于数据驱动的三元复合驱辨识模型,应用近似动态规划对三元复合驱模型进行求解,最终得到最优的注入策略。针对三元复合驱这一典型的分布参数系统,本文提出基于边界值约束的小波神经网络（BVC-WNN）的时空分解模型。应用Karhunen-Loeve（KL）分解含水饱和度数据,得到空间基函数和降维的时间系数。针对含水率存在的终端边界约束,提出了基于边界值约束的小波神经网络,该网络能够自动地满足边界值约束。以驱替剂注入浓度为网络输入,以时间系数为输出,采用BVC-WNN辨识时域模型,然后将辨识得到的时间系数与主导空间基函数结合重构含水饱和度的时空降维模型,同样采用BVC-WNN辨识含水饱和度和生产井含水率的动态模型,结合两个辨识模型最终可以得到由注入浓度到生产井含水率的完整模型。仿真结果表明该方法建模精度比较高,能够满足要求。针对三元复合驱这一具有连续动作空间的系统,本文提出一种改进的Actor-Critic算法。应用该方法分别对三元复合驱的值函数和控制策略进行近似。首先,将净现值最大化作为三元复合驱最优控制问题的值函数,然后采用基于系统特性的基函数构造方法构造线性基函数,利用自适应基函数选择方法选取出合适数目的基函数,完成值函数的近似;采用动作加权法来约束最优控制动作,为了加速算法收敛引入了资格迹。最后,运用四注九采油藏模型验证了算法的有效性。针对三元复合驱注入策略动态优化问题,本文提出初始权值优化的直接启发式动态规划算法。由于BP神经网络容易受到随机初始权值的影响,本文提出采用权值初始值复合矫正法对网络的初始权值进行优化,将优化后的权值作为执行网络和评价网络的初始权值,分别对三元复合驱的值函数和控制进行近似,然后运用梯度下降法对两个网络进行训练。仿真结果表明该方法可以显着提高三元复合驱的净现值和原油产量。
柳天虹[8]（2018）在《工业大数据时间序列预测方法研究及应用》文中研究表明随着计算机技术的发展和先进控制系统的应用,现代工业系统设备和结构日趋复杂,工业过程积累了大量的历史数据,这些数据包含过程的运行规律、操作者经验、产品质量和过程出现的问题等丰富的信息。如何在难以建立精确机理模型的情况下,从数据中获取有用信息,为生产过程的控制和决策提供依据,成为研究者和工业界广泛关注的问题。基于工业大数据的时间序列预测,是指利用采集的大量数据预测过程的某些关键性能指标,以便为工业过程监控、模型辨识、故障诊断和预测等提供支持,具有重要的理论意义和应用价值。随着工业过程规模和精细化程度不断提高,采集的大量数据具有复杂特性,包括数据的非完整性、强非线性、多变量的互相关性,以及过程的多模态等特性。工业大数据的这些复杂特性,对现有的数据驱动预测模型提出了挑战。为了解决这一问题,论文在数据驱动框架下,对具有上述复杂特性的工业时间序列预测问题进行研究。论文完成的研究工作主要包括:（1）针对工业大数据中具有强非线性特性的单变量序列,提出一种基于序列分解后特征提取的神经网络构造算法预测模型。利用特征提取算法构造最相关输入后,建立基于构造算法的神经网络模型。由于网络拓扑结构的变化会引起网络性能振荡的问题,对神经网络构造算法作进一步改进。模型输入的精简和模型结构复杂性的降低,使得可以在保证预测精度的同时,构建一个尽可能简洁的模型,提高网络性能。实验结果显示,综合考虑预测准确度和效率的情况下,所提出的模型能够有效地提高预测性能,且优于其他对比模型。（2）针对复杂的工业多变量时间序列预测问题,提出一种基于互信息特征选择的神经网络模型用于多变量时间序列预测。为了避免直接进行互信息概率密度估计,实现高维互信息计算,采用k近邻互信息对输入变量进行特征选择。由于k值的选择对互信息结果有较大的影响,论文提出一种基于置换检验和交叉验证的近邻数k的确定方法,实现对k近邻互信息方法的改进,以改善互信息用于相关性分析的性能。在此基础上,建立神经网络预测模型。实验结果表明,基于所提出的特征选择方法构建的神经网络模型能较好地捕捉多变量数据中的有用信息,从而为模型提供有效输入,提高模型的性能。（3）针对生产过程由于生产方案的变动或者产品类型的改变导致生产过程出现具有不同过程特性的多种模态问题,基于多阶段统计建模策略,提出一种基于高斯过程回归的多模型时间序列预测方法。该方法首先对数据中的不同模态进行辨识,采用高斯混合模型对数据进行模态划分,并判断样本属于某一模态的概率。在参数学习过程,采用在线期望最大化算法推导学习流程,实现聚类模型参数的在线更新;然后对不同模态数据建立局部高斯过程回归模型。由于预测模型参数选取对模型精度影响较大,引入基于差分进化的粒子群算法代替传统的随机梯度下降法优化高斯过程回归协方差矩阵参数。最后利用贝叶斯方法将局部高斯过程回归预测结果进行组合。实验结果表明,对数据模态的划分和对模型参数的优化能够有效地改善预测模型性能。为了验证实验显着优于对比模型,采用非参数假设检验方法对实验结果进行统计检验。（4）针对工业大数据中带有缺失值的非完整时间序列预测问题,提出一种基于多重填补方法和高斯过程回归模型的建模方法。在期望最大化学习框架下针对不完整数据集推导混合高斯模型的参数,描述含有不同缺失率的数据集的数据分布。基于多重填补方法生成多个完整数据集,并分别对每个新的数据集建立高斯过程回归模型。利用组合模型的思想,将多个模型的预测结果进行加权平均,从而对各个子模型的预测结果进行合理融合。为了验证所提出的方法的有效性,将该模型用于风电场风功率的预测。实验结果表明,在处理带有缺失数据的应用中,所提出的方法能够有效解决由缺失数据带来的不确定性和多变性。利用假设检验验证相比于其他已知模型,所提出的模型能够有效处理非完整时间序列预测问题。
曹阳[9]（2018）在《基于小波神经网络的气垫式流浆箱预测控制研究》文中提出在造纸工业中,流浆箱是纸机的关键的部件,其输出对纸幅成形的质量至关重要。气垫式流浆箱在国内应用十分广泛,对于其控制系统的研究具有重要意义。本文针对气垫式流浆箱的控制问题,深入研究了一类具有自回归结构的小波神经网络,应用改进粒子群算法对该网络参数进行初始化,将该网络模型作为预测控制的预测模型,提出了基于自回归小波神经网络的气垫式流浆箱预测控制策略。主要研究成果如下:（1）针对标准粒子群算法过早收敛,易陷入局部最优的缺陷,本文将粒子总群分为若干个子探测型种群和一个开发型种群,并研究了子种群间的拓扑结构,所有子探测型种群形成环形拓扑,子探测型种群与子开发型种群形成星型拓扑。在粒子群迭代寻优过程中,子种群间互相保持通信,并根据适应度进行粒子迁移替换,维持粒子种群多样性,改善粒子群的局部搜索性能,保证算法能够搜索到全局最优。本文将该算法用于优化小波神经网络,仿真结果表明本文的改进粒子群算法有良好的全局寻优能力和函数逼近性能,具有令人满意的非线性系统辨识效果。（2）为提高小波神经网络的训练效率,减少网络小波层的小波元数量,本文深入研究了自回归小波神经网络,该类网络小波层的每个小波元都有一个自反馈环,能够提高训练数据的利用率。本文研究了网络稳定的条件,实现了网络权重学习率的自适应调节。我们将自回归小波神经网络作为预测模型,设计了一种非线性预测控制策略,通过梯度下降法求取控制量,分析和证明了使系统稳定的控制优化率条件。仿真结果验证了本控制策略的有效性。（3）本文介绍了气垫式流浆箱的数学模型,其被描述为一个双输入双输出的强非线性系统。我们对该模型进行了数据采样,用改进PSO算法和SRWNN对采样得到的流浆箱系统数据进行了模型辨识,将其作为预测模型,构建了基于SRWNN的流浆箱预测控制系统。仿真结果表明,本控制策略实现了对浆位和气垫总压的稳定控制,对干扰具有鲁棒性。
李彬[10]（2018）在《基于雷达高分辨距离像的目标识别算法研究》文中指出雷达自动目标识别技术是现代雷达系统的重要技术组成部分,是雷达技术发展的主要方向之一。随着装备信息化程度和智能化程度的提升,雷达自动目标识别技术必会在更深层次上影响战场态势,加速战争理念的更新。基于高分辨距离像（High Resolution Range Profile,HRRP）的目标识别技术最具有应用潜力的一种雷达自动目标识别技术。该技术通过发射宽带信号获取目标散射中心的回波,再对回波进行一定的处理,得到距离维上的高分辨率向量,是散射中心的直接反映,关系着目标的尺寸、形状和表面材料等特征。因此,只要能够对高分辨距离像进行合理分析,就意味着能在一定程度上实现目标的分类和判别。本论文主要围绕国家自然基金项目“基于信息融合的机载雷达目标识别新算法研究”,结合雷达高分辨距离像识别的理论与工程应用背景,从数据库构建、预处理、特征提取、分类识别算法和统计建模及其稳健识别等方面展开深入研究。论文的主要工作如下:（1）研究了目标的多散射点模型与HRRP物理特性的对应关系,建立了目标的全方位样本库,主要解决雷达目标识别算法性能受限于样本库完备程度的问题。利用该数据库,设计了自适应小波阈值函数去噪算法。该去噪算法利用小波分析特性对HRRP的回波噪声分布特征进行分析,能根据输入HRRP自适应地调整小波系数阈值,修正了软阈值函数会对小波系数进行缩放的缺点;避免了硬阈值函数会产生新的突变点使信号失真的问题,应用更为灵活。（2）提出了可应用于HRRP特征提取的非参数化数据压缩算法,以克服经典线性判别分析算法应用于HRRP特征提取的4个固有缺陷。该非参数化方法以样本分布的局部特性为基础,使用近邻均值或者近邻样本对参数型散布矩阵离散化,再将特征提取问题转换为特征值分解问题而得到。仿真结果表明,非参数化算法能够扩展经典数据算法的适用范围,增加特征提取后异类数据之间的可分性,具有识别率高,稳定性好的特点。（3）在将4种基于小波变换的特征提取算法应用于HRRP识别的基础上,提出了基于进化算法的自适应小波神经网络特征提取和识别算法。主要解决梯度下降法在计算参数时极依赖于初值、易收敛于局部极值、计算效率低的问题。所提算法既可以只用于HRRP的特征提取,也可以直接输出分类结果。且该方法利用了自适应小波网络的多分辨分析特性,能够增加提取特征的差异,提高识别率。仿真表明,其识别率接近90%且能提升处理速度。（4）提出了基于混合概率主成分分析模型（Mixtures of Probabilistic Principal Component Analysis,MPPCA）的HRRP统计识别方法,解决了样本数较少时直接计算HRRP统计参数不准确且运算效率低的问题。所提算法以高斯混合模型的概率组合特性为理论基础,对经典PPCA模型进行扩展得到。因此,可通过期望最大值（Expectation Maximization,EM）算法估计HRRP统计模型参数,既解决了参数估计问题,又可利用混合概率模型的聚类特性对HRRP重新分帧,进一步削弱了HRRP的方位敏感性。并且MPPCA模型引入了隐变量参数空间,所以需要估计的自由参数大大减少,提升了计算效率。仿真实验表明,MPPCA模型比PPCA模型具有更好的识别性能。（5）提出了PPCA模型参数补偿算法和基于t分布PPCA模型的HRRP识别算法,所提的两种算法主要用于解决PPCA模型对噪声敏感的缺陷。模型参数补偿算法利用噪声和信号的向量关系,预先估计噪声的能量,对经典PPCA模型进行补偿达到对噪声稳健的目标。仿真表明,该方法可以降低训练样本PPCA模型与测试样本PPCA模型之间的差异,削弱不同环境因素引起的识别率下降问题;t分布PPCA模型的概率基础是t分布,因此能够利用t分布对噪声稳健的特性提高模型的稳健性。并且该模型可进一步扩展为混合概率t分布PPCA模型,进一步削弱HRRP的方位敏感性。在数值实验中,通过准确描述人工数据的协方差矩阵,验证了混合概率t分布PPCA模型的有效性。在仿真实验中,通过分析HRRP在噪声环境下的聚类效果,证明了该模型对噪声稳健且能削弱HRRP的方位敏感性。
二、基于小波分析的分布参数系统最优边界控制的逼近算法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于小波分析的分布参数系统最优边界控制的逼近算法（论文提纲范文）
（1）Haar小波数值方法及其在力学问题中的应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 小波理论的发展历史 |
| 1.2 小波方法的应用 |
| 1.2.1 小波方法在信号分析领域中的应用 |
| 1.2.2 小波方法在微分方程求解中的应用 |
| 1.3 研究背景及意义 |
| 1.3.1 计算力学现有方法 |
| 1.3.2 选题的意义 |
| 1.4 本文的主要工作 |
| 第二章 多分辨分析及Haar小波基础 |
| 2.1 多分辨分析和基函数 |
| 2.2 Haar小波 |
| 2.2.1 Haar小波函数及其积分 |
| 2.2.2 有限区间上Haar小波逼近公式 |
| 2.3 本章小结 |
| 第三章 初边值问题的小波积分配点法 |
| 3.1 有限区域上初边值问题的积分形式 |
| 3.1.1 一维问题的积分形式 |
| 3.1.2 多维问题的积分形式 |
| 3.2 小波积分配点法的构造 |
| 3.2.1 Haar小波积分配点法的统一格式 |
| 3.2.2 方程的离散及待求变量的重构 |
| 3.3 代数方程组的求解方法 |
| 3.3.1 牛顿迭代法 |
| 3.3.2 矩阵运算的MPI并行计算程序 |
| 3.4 本章小结 |
| 第四章 力学问题应用举例 |
| 4.1 一维Bratu方程 |
| 4.2 方板的弯曲问题 |
| 4.3 原始变量粘性不可压缩流动N-S方程组 |
| 4.3.1 时间项的处理方法 |
| 4.3.2 人工压缩算法介绍 |
| 4.3.3 二维槽道层流 |
| 4.3.4 二维顶盖驱动方腔流动 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 参考文献 |
| 致谢 |
（2）基于小波分析的电力电缆故障检测技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 电力电缆绝缘老化及故障机理 |
| 1.4 国内外研究现状 |
| 1.5 小波分析应用技术 |
| 1.6 电力电缆研究现状存在的问题 |
| 1.7 研究内容 |
| 2 电力电缆模型及行波故障测距定位原理 |
| 2.1 电缆线路等效模型 |
| 2.2 基于行波的电缆测距定位原理 |
| 2.3 常用行波故障测距定位方法 |
| 2.4 本章小结 |
| 3 基于PSO优化的小波去噪方法 |
| 3.1 小波基础理论 |
| 3.2 小波去噪原理 |
| 3.3 小波变换的模极大值去噪法 |
| 3.4 小波变换的空域相关性去噪法 |
| 3.5 传统小波阈值去噪方法 |
| 3.6 基于PSO优化的小波去噪方法 |
| 3.7 本章小结 |
| 4 基于小波分析的电力电缆故障检测 |
| 4.1 基于小波分析的电缆故障检测方法 |
| 4.2 仿真实验分析 |
| 4.3 实例分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（3）基于改进果蝇算法的RBF神经网络故障测距方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 问题提出与研究意义 |
| 1.2 国内外相关研究进展 |
| 1.2.1 行波法测距 |
| 1.2.2 故障分析法测距 |
| 1.2.3 人工智能测距方法 |
| 1.3 本文主要研究思路与内容 |
| 2 行波固有频率与频谱能量关系 |
| 2.1 行波的产生及波动方程 |
| 2.2 行波折射与反射 |
| 2.3 行波测距原理 |
| 2.4 输电线路行波固有频率与能量关系 |
| 2.5 本章小结 |
| 3 基于改进果蝇算法的RBF神经网络故障测距研究 |
| 3.1 暂态故障特征量分析方法研究 |
| 3.1.1 双极线路的去耦合 |
| 3.1.2 小波分析 |
| 3.1.3 小波包分解 |
| 3.1.4 小波包能量谱分析 |
| 3.2 RBF神经网络测距原理 |
| 3.2.1 RBF神经网络 |
| 3.2.2 RBF神经网络的学习算法 |
| 3.3 果蝇算法优化RBF神经网络 |
| 3.3.1 果蝇算法 |
| 3.3.2 改进果蝇算法 |
| 3.3.3 对改进果蝇算法进行测试 |
| 3.3.4 RBF神经网络故障测距模型 |
| 3.3.5 改进果蝇算法优化RBF神经网络测距模型 |
| 3.4 本章小结 |
| 4 基于RBF特高压直流输电故障位置预测分析 |
| 4.1 基于PSCAD建立±800特高压直流输电仿真模型 |
| 4.2 基于RBF故障位置预测计算 |
| 4.2.1 对测距模型仿真验证 |
| 4.2.2 对不同故障位置的仿真验证 |
| 4.2.3 对不同故障过渡电阻的仿真验证 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（4）基于传感器/执行器网络的分布参数系统协同控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 分布参数系统的研究概况 |
| 1.2.2 基于传感器/执行器网络的分布参数系统控制研究进展 |
| 1.2.3 分数阶微积分与分数阶扩散系统概述 |
| 1.2.4 分布参数系统反步边界控制研究进展 |
| 1.3 本文的主要工作 |
| 第二章 基于移动智能体的分布参数系统控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 基于覆盖优化方法的智能体移动控制 |
| 2.3.1 智能体的移动策略 |
| 2.3.2 n-维(n=1,2,3)空间上的梯度算法 |
| 2.3.3 基于梯度的智能体移动策略 |
| 2.4 稳定性分析 |
| 2.5 数值仿真 |
| 2.5.1 一维空间上的扩散控制 |
| 2.5.2 二维空间上的扩散控制 |
| 2.5.3 三维空间上的扩散控制 |
| 2.6 本章小结 |
| 第三章 基于连续时变交互智能体的分布参数系统协同控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 带有连续时变交互智能体的输出反馈控制 |
| 3.4 连续时变交互智能体的移动控制 |
| 3.4.1 智能体的集中式移动控制 |
| 3.4.2 智能体的分散式移动控制 |
| 3.5 数值仿真 |
| 3.6 本章小结 |
| 第四章 基于反步法的耦合时间分数阶反应扩散系统边界控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 边界控制与核函数矩阵方程 |
| 4.4 核函数矩阵方程适定性 |
| 4.5 闭环系统的Mittag-Leffler稳定性 |
| 4.6 数值仿真 |
| 4.6.1 仿真1:可化为单一核函数的情形 |
| 4.6.2 仿真2:一般非常系数耦合的情形 |
| 4.7 本章小结 |
| 第五章 耦合时间分数阶反应扩散系统的反步边界输出反馈控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 观测器的设计 |
| 5.3.1 确定核函数和观测增益 |
| 5.3.2 误差系统的稳定性 |
| 5.4 基于状态反馈的反步控制器 |
| 5.5 基于观测器的输出反馈控制器设计 |
| 5.6 数值仿真 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读博士学位期间发表的论文 |
（5）基于长标距FBG的中小跨桥梁损伤识别与评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 动态称重方法研究现状 |
| 1.2.2 桥梁损伤识别方法 |
| 1.2.3 桥梁有限元模型修正技术 |
| 1.2.4 在役桥梁可靠度评估方法 |
| 1.3 本文的研究目的、研究内容、技术路线及主要创新点 |
| 1.3.1 本文研究目的与意义 |
| 1.3.2 本文研究内容 |
| 1.3.3 本文研究技术路线 |
| 1.3.4 本文主要创新点 |
| 第二章 基于长标距应变响应差分的桥梁式动态称重方法研究 |
| 2.1 引言 |
| 2.2 长标距FBG传感器 |
| 2.2.1 FBG传感原理 |
| 2.2.2 长标距FBG传感器基本结构 |
| 2.2.3 长标距FBG传感器性能测试 |
| 2.3 理论基础 |
| 2.4 车桥耦合模拟 |
| 2.4.1 车桥耦合模拟理论 |
| 2.4.2 路面不平顺模拟 |
| 2.5 数值验证 |
| 2.5.1 简支梁桥工况参数分析 |
| 2.5.2 连续梁桥工况参数分析 |
| 2.6 工程实例 |
| 2.7 本章小结 |
| 第三章 基于长标距应变响应多重交叉检验的中小跨桥梁损伤识别方法研究 |
| 3.1 引言 |
| 3.2 理论基础 |
| 3.3 数值验证 |
| 3.3.1 模拟工况及参数 |
| 3.3.2 模拟结果与讨论 |
| 3.4 实际桥梁测试 |
| 3.5 本章小节 |
| 第四章 随机车流下基于长标距应变响应的中小跨桥梁损伤识别方法研究 |
| 4.1 引言 |
| 4.2 理论基础 |
| 4.3 室内试验验证 |
| 4.4 试验结果讨论 |
| 4.4.1 单车通过工况 |
| 4.4.2 多车通过工况 |
| 4.5 随机车流模拟 |
| 4.5.1 三维车桥耦合模拟 |
| 4.5.2 随机车流模拟 |
| 4.6 模拟结果讨论 |
| 4.7 本章小节 |
| 第五章 基于长标距应变响应的两阶段贝叶斯模型修正方法研究 |
| 5.1 引言 |
| 5.2 理论基础 |
| 5.2.1 构造目标函数 |
| 5.2.2 径向基神经网络 |
| 5.2.3 K均值聚类 |
| 5.2.4 马尔科夫链蒙特卡洛方法 |
| 5.2.5 模型修正方法框架 |
| 5.3 数值模拟 |
| 5.4 室内试验研究 |
| 5.5 本章小节 |
| 第六章 基于长标距应变时程和概率密度演化的中小跨桥梁可靠度评估方法研究 |
| 6.1 引言 |
| 6.2 理论基础 |
| 6.2.1 概率密度演化方法 |
| 6.2.2 失效准则 |
| 6.2.3 雨流计数法 |
| 6.2.4 随机车流模型 |
| 6.3 数值案例 |
| 6.4 本章小节 |
| 第七章 结论与展望 |
| 7.1 全文主要结论 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在读期间发表学术论文与研究成果 |
（6）基于工况识别的高速动车组构架疲劳损伤研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景与工程意义 |
| 1.2 信号分析和工况识别的研究现状 |
| 1.2.1 数字信号分析理论的研究现状 |
| 1.2.2 机械领域工况识别方法及其应用 |
| 1.2.3 高速动车组运用工况的识别方案研究进展 |
| 1.3 转向架构架疲劳损伤评估方法的研究现状 |
| 1.3.1 结构疲劳研究的发展历程 |
| 1.3.2 疲劳强度评估和抗疲劳设计的研究 |
| 1.3.3 转向架构架疲劳损伤评估的研究 |
| 1.4 主要研究内容和技术路线 |
| 2 运用工况分类和基于MEMS陀螺仪的工况识别 |
| 2.1 引言 |
| 2.2 运用工况的分类 |
| 2.2.1 动车段内的典型运用工况列举 |
| 2.2.2 正线上的典型运用工况列举 |
| 2.3 MEMS陀螺仪及其数据处理 |
| 2.3.1 MEMS陀螺仪原理及其在曲线识别中的应用 |
| 2.3.2 低通滤波去噪效果分析 |
| 2.3.3 陀螺仪信号的小波去噪方法 |
| 2.4 基于曲率半径的工况特征提取和识别 |
| 2.4.1 工况特征提取实例 |
| 2.4.2 曲线和道岔工况判别及参数确定 |
| 2.4.3 仅基于曲率半径判定的识别正确率讨论 |
| 2.5 基于经验模态分解及能量熵的道岔识别 |
| 2.5.1 希尔伯特-黄变换(HHT)及其应用 |
| 2.5.2 不同工况下固有模态函数(IMF)的能量熵 |
| 2.5.3 道岔和曲线的IMF能量熵差异性研究 |
| 2.5.4 基于能量熵差异的道岔识别 |
| 2.6 本章小结 |
| 3 基于压力传感器的交会和隧道等工况识别 |
| 3.1 引言 |
| 3.2 设备舱气动载荷与工况识别试验设计 |
| 3.2.1 研究背景和试验目的 |
| 3.2.2 试验设计简述 |
| 3.3 设备舱气压试验结果分析 |
| 3.3.1 速度和测试车首尾不同时测点的气压-时间历程 |
| 3.3.2 两车交会时测点的气压-时间历程 |
| 3.3.3 通过隧道时测点的气压-时间历程 |
| 3.4 基于气压变化的两车交会工况识别研究 |
| 3.4.1 交会工况判定方案及参数确定 |
| 3.4.2 交会工况的识别效果和误差分析 |
| 3.5 基于气压变化的隧道通过工况识别研究 |
| 3.5.1 隧道通过工况判定方案和参数确定 |
| 3.5.2 正确率分析与多传感器融合方案补充 |
| 3.6 本章小结 |
| 4 构架动应力分布特性及等效应力 |
| 4.1 引言 |
| 4.2 构架动应力试验设计和数据前处理 |
| 4.2.1 动应力测试试验设计 |
| 4.2.2 测试数据前处理 |
| 4.3 基于傅里叶变换的动应力数据去噪 |
| 4.3.1 离散傅里叶变换(DFT) |
| 4.3.2 动应力信号的频谱分析 |
| 4.3.3 动应力数据的滤波算法 |
| 4.3.4 不同滤波算法对比 |
| 4.4 构架的动应力分布拟合 |
| 4.4.1 动应力分布函数的确定 |
| 4.4.2 样本级数研究 |
| 4.5 焊接构架的S-N曲线与等效应力幅值 |
| 4.5.1 S-N曲线理论 |
| 4.5.2 恒幅等效应力理论 |
| 4.6 应力谱参数对等效幅值的影响 |
| 4.6.1 小应力循环对等效应力的影响 |
| 4.6.2 应力谱级数对等效应力的影响 |
| 4.7 本章小结 |
| 5 等效应力样本分布及损伤评估方法优化 |
| 5.1 引言 |
| 5.2 动车组结构的疲劳损伤及其离散性现象 |
| 5.2.1 动车组结构的疲劳损伤现象 |
| 5.2.2 构架在直线工况下的等效应力幅值 |
| 5.2.3 构架在曲线工况下的等效应力幅值 |
| 5.3 同工况下等效应力的误差分析 |
| 5.3.1 误差类型和离群值 |
| 5.3.2 基于格鲁布斯方法的等效应力离群值分析 |
| 5.3.3 四分位法及其针对小样本的修正 |
| 5.3.4 等效应力离群值的处理 |
| 5.4 考虑离散性的构架等效应力幅值计算 |
| 5.4.1 基于概率的等效应力计算 |
| 5.4.2 等效应力分布的正态性验证 |
| 5.4.3 运用里程对等效应力的影响 |
| 5.5 构架的等效应力分布差异性研究 |
| 5.5.1 基于t理论中值估计的样本量 |
| 5.5.2 不同交路的等效应力差异性 |
| 5.5.3 单一直线工况等效应力差异性 |
| 5.6 等效应力的分布参数与构架疲劳损伤 |
| 5.6.1 不同位置等效应力的分布差异性 |
| 5.6.2 分布参数与构架疲劳损伤的关系 |
| 5.6.3 疲劳损伤评估方案对比 |
| 5.7 本章小结 |
| 6 运用工况与构架疲劳损伤耦合研究 |
| 6.1 引言 |
| 6.2 构架在单一工况下的损伤程度 |
| 6.2.1 正线直线工况 |
| 6.2.2 正线曲线工况 |
| 6.2.3 道岔工况 |
| 6.2.4 交会、隧道及桥梁工况 |
| 6.2.5 小结 |
| 6.3 变速通过曲线时构架的应力状态举例 |
| 6.4 基于神经网络的构架多工况耦合损伤研究 |
| 6.4.1 BP神经网络算法的基本思想 |
| 6.4.2 BP神经网络初始化问题研究 |
| 6.4.3 工况与等效应力耦合关系计算 |
| 6.5 基于路况识别的构架应力响应估计 |
| 6.5.1 工况识别效果分析 |
| 6.5.2 多工况交路应力等效方法举例 |
| 6.5.3 不同交路下构架等效应力预测 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 论文的主要结论 |
| 7.2 论文的主要创新点 |
| 7.3 进一步研究展望 |
| 参考文献 |
| 附录A |
| 附录B |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）三元复合驱提高采收率的建模及近似动态规划研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 分布参数系统建模研究现状 |
| 1.2.2 最优控制在油藏开发中的研究现状 |
| 1.2.3 近似动态规划方法研究现状 |
| 1.3 本文的主要研究内容 |
| 第二章 基础知识 |
| 2.1 油藏物理基础知识 |
| 2.1.1 孔隙度 |
| 2.1.2 饱和度 |
| 2.1.3 岩石渗透率 |
| 2.1.4 压缩系数与体积系数 |
| 2.2 三元复合驱机理模型描述 |
| 2.2.1 支配方程 |
| 2.2.2 物化代数方程 |
| 2.3 近似动态规划理论基础 |
| 2.3.1 动态规划的基本理论 |
| 2.3.2 近似动态规划的基本理论 |
| 第三章 基于边界值约束的小波神经网络的三元复合驱近似建模 |
| 3.1 引言 |
| 3.2 KL分解 |
| 3.3 基于边界值约束的小波神经网络 |
| 3.3.1 网络结构 |
| 3.3.2 BVC-WNN网络训练算法 |
| 3.3.3 BVC-WNN网络仿真测试 |
| 3.4 基于时空分解的三元复合驱近似建模 |
| 3.4.1 油藏描述 |
| 3.4.2 三元复合驱模型建立及验证 |
| 3.5 本章小结 |
| 第四章 基于Actor-Critic算法求解三元复合驱最优控制 |
| 4.1 引言 |
| 4.2 最优控制问题描述 |
| 4.3 Actor-Critic算法框架 |
| 4.3.1 值函数近似 |
| 4.3.2 最优控制动作近似 |
| 4.4 基于AC的三元复合驱油藏模型求解 |
| 4.5 本章小结 |
| 第五章 直接启发式动态规划在三元复合驱求解中的应用 |
| 5.1 引言 |
| 5.2 直接启发式动态规划(DHDP)的基本原理 |
| 5.3 基于初始权值优化的 BP神经网络的 DHDP控制 |
| 5.3.1 评价网络的训练 |
| 5.3.2 执行网络的训练 |
| 5.3.3 BP神经网络初始权值的优化 |
| 5.4 三元复合驱最优控制问题求解 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（8）工业大数据时间序列预测方法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 工业时间序列数据特点 |
| 1.3 时间序列预测的主要方法 |
| 1.3.1 时间序列模型 |
| 1.3.2 机器学习模型 |
| 1.4 时间序列预测的研究现状 |
| 1.4.1 时间序列预测的国内外研究现状 |
| 1.4.2 工业时间序列预测的国内外研究现状 |
| 1.5 论文主要研究工作和章节安排 |
| 1.5.1 论文主要研究内容 |
| 1.5.2 论文章节安排 |
| 第二章 基于分解组合的单变量时间序列预测研究 |
| 2.1 引言 |
| 2.2 小波变换及主成分分析 |
| 2.2.1 小波变换 |
| 2.2.2 小波基函数的选取 |
| 2.2.3 主成分分析 |
| 2.3 神经网络构造方法 |
| 2.3.1 网络结构 |
| 2.3.2 权值学习算法及其改进 |
| 2.3.3 算法实现 |
| 2.3.4 算法分析 |
| 2.4 基于分解组合的单变量预测模型 |
| 2.5 实验分析 |
| 2.5.1 数值例子 |
| 2.5.2 实例研究 |
| 2.5.3 分析与总结 |
| 2.6 小结 |
| 第三章 基于特征选择的多变量时间序列预测研究 |
| 3.1 引言 |
| 3.2 k近邻互信息 |
| 3.2.1 互信息 |
| 3.2.2 k近邻互信息 |
| 3.3 基于k近邻互信息的特征选择 |
| 3.3.1 参数k的选择 |
| 3.3.2 特征选择的步骤 |
| 3.4 基于特征选择的RBF多变量时间序列预测算法 |
| 3.4.1 RBF神经网络 |
| 3.4.2 算法步骤 |
| 3.5 实验分析 |
| 3.5.1数值仿真实验 |
| 3.5.2 工业蒸汽发生器时间序列 |
| 3.5.2.1 k值的选择 |
| 3.5.2.2 特征选择 |
| 3.5.2.3 建立预测模型及结果分析 |
| 3.5.2.4 模型验证 |
| 3.5.3 分析与总结 |
| 3.6 小结 |
| 第四章 基于多模态工业时间序列预测研究 |
| 4.1 引言 |
| 4.2 高斯混合模型及其参数的在线更新 |
| 4.2.1 高斯混合模型 |
| 4.2.2 参数估计 |
| 4.2.3 高斯混合模型在聚类上的应用 |
| 4.3 高斯过程回归模型 |
| 4.4 高斯过程回归参数优化 |
| 4.4.1 粒子群优化算法 |
| 4.4.2 DEPSO算法 |
| 4.5 基于GMM-IGPR多模态时间序列预测模型 |
| 4.6 实验分析 |
| 4.6.1数值仿真实验 |
| 4.6.2 工业绕线过程时间序列 |
| 4.6.2.1 模型选择 |
| 4.6.2.2 实验结果 |
| 4.6.3 分析与总结 |
| 4.7 小结 |
| 第五章 带有缺失数据的多变量时间序列预测研究 |
| 5.1 引言 |
| 5.2 缺失数据 |
| 5.2.1 缺失数据的定义 |
| 5.2.2 缺失数据产生的原因 |
| 5.2.3 缺失数据的分类 |
| 5.2.4 缺失数据的常用处理方法分析 |
| 5.3 带有缺失数据的时间序列预测模型 |
| 5.3.1 基于高斯混合模型的多重填补法缺失值处理 |
| 5.3.2 基于多重填补和高斯过程回归的时间序列预测模型 |
| 5.4 实验分析 |
| 5.4.1 风电场数据 |
| 5.4.2 特征选择 |
| 5.4.3 模型阶次的确定和新数据集的生成 |
| 5.4.4 不同缺失值处理方法的对比 |
| 5.4.5 不同缺失模式的对比 |
| 5.4.6 不同预测模型的对比 |
| 5.4.7 分析与总结 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间论文成果 |
| 致谢 |
（9）基于小波神经网络的气垫式流浆箱预测控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 气垫式流浆箱概述 |
| 1.2.1 流浆箱主要类型及特性 |
| 1.2.2 气垫式流浆箱的工作机理 |
| 1.3 气垫式流浆箱控制装置以及控制策略的发展现状 |
| 1.3.1 气垫式流浆箱控制装置的发展现状 |
| 1.3.2 气垫式流浆箱控制策略的发展现状 |
| 1.4 课题研究内容及基本框架 |
| 第二章 小波神经网络非线性预测控制基本理论概述 |
| 2.1 非线性预测控制理论概述 |
| 2.1.1 预测控制基本原理 |
| 2.1.2 非线性预测控制问题一般描述 |
| 2.1.3 非线性预测控制理论发展 |
| 2.2 小波神经网络理论概述 |
| 2.2.1 小波分析原理 |
| 2.2.2 小波神经网络的模型发展 |
| 2.2.3 小波神经网络的学习优化算法 |
| 2.2.4 小波神经网络在预测控制理论中的应用 |
| 2.3 小波神经网络的预测仿真研究 |
| 2.4 本章小结 |
| 第三章 基于粒子群优化的小波神经网络 |
| 3.1 粒子群算法简述 |
| 3.1.1 粒子群算法的基本原理 |
| 3.1.2 粒子群算法的理论发展及应用 |
| 3.2 基于粒子群算法优化的WNN研究 |
| 3.2.1 粒子群算法改进 |
| 3.2.2 改进型粒子群算法优化WNN |
| 3.3 基于粒子群算法的WNN仿真研究 |
| 3.4 本章小结 |
| 第四章 自回归小波神经网络预测控制研究 |
| 4.1 自回归小波神经网络分析 |
| 4.1.1 自回归小波神经网络结构描述 |
| 4.1.2 自回归小波神经网络训练算法 |
| 4.1.3 SRWNN的稳定性分析 |
| 4.2 基于SRWNN的预测控制策略 |
| 4.2.1 预测控制器设计 |
| 4.2.2 控制系统的稳定性分析 |
| 4.3 仿真研究 |
| 4.4 本章小结 |
| 第五章 基于SRWNN-PC的气垫式流浆箱的控制研究 |
| 5.1 气垫式流浆箱的数学模型描述 |
| 5.2 气垫式流浆箱的SRWNN模型建立 |
| 5.3 基于SRWNN的气垫式流浆箱非线性预测控制仿真 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 附录A 矩阵G的计算 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（10）基于雷达高分辨距离像的目标识别算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 雷达HRRP目标识别技术的发展及现状 |
| 1.3 雷达一维距离像识别中的主要问题 |
| 1.3.1 距离像的归一化问题 |
| 1.3.2 距离像的平移敏感性问题 |
| 1.3.3 距离像的方位敏感性问题 |
| 1.4 论文内容和安排 |
| 2 HRRP的成像原理及散射点模型 |
| 2.1 HRRP的成像原理及获取方式 |
| 2.1.1 步进频波形合成高分辨距离像 |
| 2.1.2 线性调频波形获取高分辨距离像 |
| 2.2 多散射点模型及HRRP特性 |
| 2.2.1 目标的多散射点模型 |
| 2.2.2 与散射点模型相关的HRRP特性 |
| 2.3 仿真实验数据获取 |
| 2.3.1 模型获取 |
| 2.3.2 数据库构建 |
| 2.4 本章小结 |
| 3 基于非参数数据压缩算法的HRRP识别 |
| 3.1 HRRP的预处理 |
| 3.1.1 平移对齐 |
| 3.1.2 HRRP的功率谱特征 |
| 3.2 经典数据压缩算法的非参数化改进 |
| 3.2.1 主成分分析 |
| 3.2.2 线性判别分析 |
| 3.2.3 制约LDA应用的因素 |
| 3.2.4 LDA的非参数化 |
| 3.3 基于非参数最大间隔准则的HRRP特征提取 |
| 3.4 特征提取的一般性框架 |
| 3.5 仿真实验 |
| 3.5.1 分类器设计 |
| 3.5.2 特征提取及识别实验 |
| 3.6 本章小结 |
| 4 基于小波分析的HRRP识别 |
| 4.1 小波分析基础 |
| 4.1.1 小波分析的时频特性 |
| 4.1.2 多分辨分析 |
| 4.1.3 分解和重构 |
| 4.2 HRRP的小波去噪方法 |
| 4.2.1 小波去噪的原理和方法 |
| 4.2.2 应用于HRRP的小波阈值去噪算法 |
| 4.2.3 小波去噪实验 |
| 4.3 基于小波变换的HRRP特征提取 |
| 4.3.1 基于小波分解的能量分布特征 |
| 4.3.2 基于小波分解的模极大值特征 |
| 4.3.3 基于小波包分解的熵特征 |
| 4.3.4 基于自适应小波网络的特征 |
| 4.3.5 特征提取及识别实验 |
| 4.4 基于进化算法和自适应小波网络的HRRP识别 |
| 4.4.1 基于自适应小波神经网络的特征提取和分类 |
| 4.4.2 结合进化算法的自适应小波神经网络 |
| 4.4.3 基于自适应小波神经网络的HRRP识别实验 |
| 4.5 本章小结 |
| 5 基于统计建模的HRRP识别 |
| 5.1 HRRP统计建模识别基本理论 |
| 5.1.1 最大似然参数估计 |
| 5.1.2 期望最大值参数估计 |
| 5.1.3 自适应高斯分类器 |
| 5.1.4 Kullback-Leibler距离分类器 |
| 5.2 基于混合概率主成分分析的HRRP识别 |
| 5.2.1 基于概率主成分分析的HRRP建模 |
| 5.2.2 基于混合概率主成分分析的HRRP识别 |
| 5.2.3 基于MPPCA模型的HRRP识别实验 |
| 5.3 基于PPCA修正模型的HRRP稳健识别 |
| 5.3.1 模型修正 |
| 5.3.2 基于PPCA修正模型的稳健识别 |
| 5.3.3 基于PPCA修正模型的HRRP识别实验 |
| 5.4 基于t分布扩展PPCA模型的HRRP识别 |
| 5.4.1 t分布扩展PPCA模型 |
| 5.4.2 参数估计 |
| 5.4.3 基于t分布扩展PPCA模型的HRRP识别实验 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 内容总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
四、基于小波分析的分布参数系统最优边界控制的逼近算法（论文参考文献）
- [1]Haar小波数值方法及其在力学问题中的应用[D]. 王魁良. 兰州大学, 2021(09)
- [2]基于小波分析的电力电缆故障检测技术研究[D]. 朱彬彬. 中国矿业大学, 2020(07)
- [3]基于改进果蝇算法的RBF神经网络故障测距方法研究[D]. 王志宽. 沈阳工程学院, 2020(02)
- [4]基于传感器/执行器网络的分布参数系统协同控制[D]. 庄波. 江南大学, 2019(05)
- [5]基于长标距FBG的中小跨桥梁损伤识别与评估研究[D]. 陈适之. 东南大学, 2019
- [6]基于工况识别的高速动车组构架疲劳损伤研究[D]. 张一喆. 北京交通大学, 2019(01)
- [7]三元复合驱提高采收率的建模及近似动态规划研究[D]. 韩露. 中国石油大学(华东), 2019(09)
- [8]工业大数据时间序列预测方法研究及应用[D]. 柳天虹. 东南大学, 2018(01)
- [9]基于小波神经网络的气垫式流浆箱预测控制研究[D]. 曹阳. 上海交通大学, 2018(01)
- [10]基于雷达高分辨距离像的目标识别算法研究[D]. 李彬. 西北工业大学, 2018(02)