一、基于H_2/h_2范数的时频混合系统降阶:遗传算法方法（论文文献综述）
王卫梅[1]（2020）在《基于稀疏表示和深度神经网络的语音增强研究》文中提出在实际生活环境中,不可避免受到各种噪声干扰,而语音增强技术旨在从带噪语音中去除噪声,提高语音质量和清晰度,可广泛应用于现代通信系统、助听器和语音识别等领域。近年来,鉴于深度神经网络（Deep Neural Networks,DNN）具有模拟带噪语音特征和学习目标之间非线性关系的能力,被广泛应用于信噪比极差或非平稳噪声背景的语音增强中。故本文采用DNN模型估计时频掩模,达到降低运算复杂度、进一步提高语音可懂度的目的。本文所做的主要工作如下:（1）介绍语音增强的研究意义,从无监督和有监督两方面分析目前语音增强的研究进展,并重点阐述有监督语音增强方法取得的研究成果。详细介绍基于DNN语音增强系统中的模型、特征、学习目标三个主要模块。（2）针对DNN运算复杂度高、容易过拟合的问题,同时为促进时频掩模去除噪声并保留语音成分的能力,提出一种自适应软掩模优化正态稀疏DNN的语音增强方法。首先,提出将具有方差参数的正态概率密度函数作为稀疏惩罚项加入目标函数,该惩罚项根据隐含层单元的激活概率与常数因子的偏差、并设置方差参数,共同控制数据稀疏度,从而提取到简洁有效特征的同时提高运算速率;其次,提出一个与信噪比有关的tanh型自适应调节因子,控制理想二值掩模和理想浮值掩模在学习目标中所占的比例,滤除噪声的同时减少语音失真;最后,设计多组实验,证明正态稀疏DNN结合自适应软掩模,在提高语音可懂度、减少失真的前提下,有效减少运行时间。（3）为使增强的语音符合人耳的感知特性,进一步提升语音可懂度,本文提出Gammatone耳蜗幂率倒谱系数和融合相位差信息的软掩模,共同优化正态稀疏DNN的语音增强方法。首先,用更符合人耳听觉感知特性的幂函数对初始特征进行压缩和离散余弦变换去相关处理,并融合一阶、二阶差分特征,可以有效捕捉语音瞬时变化信息,保持听感连续性,再用改进的自回归滑动平均滤波器平滑特征,去除毛刺,即得到Gammatone耳蜗幂率倒谱系数;其次,考虑相位中含有与语音可懂度相关的信息,且相位差可以提供有效的频谱结构信息,故将带噪语音与纯净语音的相位差、带噪语音与噪声的相位差融入自适应软掩模中,达到提高增强语音可懂度的目的;最后,各种噪声背景下的实验结果表明,Gammatone耳蜗幂率倒谱系数整体性能优于其它对比特征,同时证明融合相位差信息的软掩模可有效提高语音信号的清晰度,降低听觉的疲劳感。
郭晓慈[2]（2020）在《基于压缩感知和深度学习的旋转机械故障诊断方法研究》文中提出旋转机械是现代工业中的核心设备,由于其结构复杂及运行工况多变,往往导致对其关键部件的故障监测诊断十分困难。近年来基于深度学习算法的智能诊断技术发展迅速,并在旋转机械故障领域得到了发展。基于压缩感知和深度学习理论提出了两种故障特征提取与诊断新方法,并通过齿轮和滚动轴承故障诊断实例验证了算法的有效性。首先,针对振动信号采样率高导致信号分析耗时严重的问题,研究了传统压缩感知在旋转机械振动信号分析领域的应用现状与前景,并将其理论知识与旋转机械故障信号分析相结合,将稀疏表示部分算法应用在故障信号特征提取中对原始振动信号进行特征降维,大大降低了信号提取以及故障分类时的复杂度,为工业应用时实现实时性提供了理论基础。其次,针对深度信念网络模型训练时参数众多、在应用于旋转机械故障特征提取与诊断时调参困难的问题,提出了基于损失阈值的迭代误差方法来防止训练过拟合从而优化模型训练过程。在保证较高准确率的前提下,实现了迭代次数的自适应设置,降低深度信念网络参数设置与调节的难度,当将其应用于旋转机械状态监测时,也提高了故障识别的准确率与效率。然后,针对因工况与结构复杂引起的齿轮故障振动信号难以利用传统特征提取与诊断方法进行准确分类问题,提出了一种基于小波包能量熵和多尺度排列熵的改进深度信念网络的齿轮故障诊断算法。首先采集多工况下的多种故障类型的齿轮振动数据,然后计算其小波包能量熵和多尺度排列熵分布并组成组合特征矩阵,再利用改进的阈值自适应深度信念网络进一步提取故障信号特征并分类。通过该方法对多平台、多工况的齿轮振动数据进行故障诊断时,获得了较高且稳定的诊断准确率,验证了方法的可行性。最后,针对滚动轴承振动数据维度较高的现状,提出了一种基于压缩感知和小波包能量熵的稀疏自编码神经网络故障诊断方法。首先使用压缩感知算法提取原始振动信号的低维观测矩阵,然后求取其小波包能量熵分布构成特征矩阵,并作为稀疏自动编码器神经网络的训练样本和测试样本,通过该方法分别对实验室采集的和美国西储大学公开的轴承振动数据进行诊断,证明在对轴承故障分类时能够在较短时间内得到较好的诊断结果,验证了方法的可行性。
李洪跃,王锡淮,肖健梅[3]（2019）在《差分进化改进微电网负荷频率混合H2/H∞鲁棒控制》文中提出针对外部扰动及系统参数摄动引起微电网负荷频率波动问题,设计了混合H2/H∞鲁棒控制器对系统负荷频率进行控制。建立了包含电池的柴油发电机组二次频率控制模型,引入低通滤波器,使电池对系统高频扰动信号具有较好的抑制能力。以误差平方的积分最小作为系统的目标函数,在综合H2范数表征的系统性能和H∞范数表征的鲁棒性能下,设计具有多目标约束条件的混合H2/H∞鲁棒控制器。采用差分进化算法对控制器加权函数参数进行寻优,使控制器在满足约束条件下达到最优。仿真实验结果表明所提出方法在满足系统鲁棒性能的基础上,同时具备较好的控制输出,保证微电网频率在外部功率扰动和系统参数摄动情况下具有较好的动态性能。
袁建国[4]（2019）在《Massive MIMO下行链路多用户配对及波束赋形算法研究》文中研究表明随着无线通信技术的不断发展,人们对高速率数据通信的需求也越来越大,为了满足人们对通信业务的这一需求,基于大规模多输入多输出（Massive Multiple Input Multiple Output,Massive MIMO）系统的多用户数据传输方案受到了人们的广泛关注。Massive MIMO系统的多用户数据传输方案可以合理地利用空间资源,利用同一时频资源发送多个用户所需的信息。但是,天线阵列规模和空间资源也是有限的。因此,如何利用有限的空间资源设计出更好的多用户传输方案来传输更多的用户信息是现今的研究重点。本文主要从Massive MIMO多用户配对算法和Massive MIMO多用户波束赋形算法两个方面出发,以计算更好的配对因子和设计更好的波束为目标,进行Massive MIMO多用户传输方案优化。论文的主要研究内容和贡献具体如下:1.对Massive MIMO下行链路中的传统多用户配对算法进行了分析。针对传统基于主径方向信息的用户配对算法配对不准确的问题,本文采用功率信息对方向信息进行加权改善了这一问题。针对传统基于干扰功率比的用户配对算法效率低的问题,本文通过设计资源池和考虑互干扰进行了改进。最后针对传统算法对信道估计精度敏感的问题,本文提出了一种基于波束方向图的改进多用户配对算法。对所提算法与传统算法进行对比可知,所提算法可以实现多个用户快速精准配对,采用本文提出算法进行多用户配对可以获得更好的系统性能。最后本文基于MATLAB软件搭建了Massive MIMO性能评估平台,对理论分析得出的结论进行了仿真验证,仿真结果与理论分析结果一致。2.对Massive MIMO下行链路多用户波束赋形算法进行了研究。多用户波束赋型算法的主要目标为保证波束赋形增益和抑制多用户干扰。基于此目标,在仅能获取角度信息的场景中,本文提出了一种基于波束方向图的改进零陷波束赋形算法,该算法充分考虑了零陷位置的准确性、零陷深度最大化、波束畸变最小化和波束赋形增益最大化几个目标,通过设计合理的凸优化问题并对凸优化问题进行求解可得到波束赋形加权矢量。最后对所提算法进行了性能仿真验证,仿真表明:与传统算法对比,提出算法具有更高的波束赋形增益和更准确、更深的零陷。在只能获得信道响应信息的场景中又提出了一种基于信道响应信息的改进零陷波束赋形算法,该算法不需要估计角度信息,可以满足更多的Massive MIMO应用场景的需求。通过与传统算法的性能对比可知提出算法可以获得更好的系统性能。考虑到算法的实用性,本文对提出的波束赋形算法进行了算法复杂度分析并提出了算法复杂度优化思路,并分析了改进后的算法复杂度。最后利用仿真平台对提出算法进行了仿真分析验证。本文提出的Massive MIMO下行链路多用户配对算法相对传统算法在配对准确度、配对效率、抗信道估计误差等方面均有一定优势。提出的Massive MIMO下行链路多用户波束赋形算法相对传统算法在降低多用户干扰、保证波束赋形增益、提高系统频谱利用率等方面均有一定优势。
熊伟[5]（2019）在《认知雷达干扰抑制与波形设计技术研究》文中进行了进一步梳理基于数字射频存储器,现代干扰机能够实现对雷达信号的精确复制和再现,雷达欺骗干扰“衍生”的相干假目标在雷达接收机中易获较大的相干处理能量,假目标与真实目标在时域、空域和频域的特征非常相似,严重影响着雷达对真实目标的检测、跟踪和参数估计性能,且容易丢失雷达目标、消耗雷达资源以及制造异常空情等。认知雷达技术赋予了雷达系统深度感知环境、智能利用环境信息、自主优化发射（包括波形、极化、频率等）等能力,能够显着提升雷达系统在复杂电磁环境下的抗干扰能力。针对认知雷达的综合抗干扰问题,本文从干扰抑制滤波器设计和波形设计两个方面开展了相关研究工作,以增强雷达系统与外部电磁干扰环境的信息交互,提升复杂电磁环境下雷达系统的探测能力。本文的主要研究内容和创新性如下:（1）引入了极化域特征,提出了一个空域-极化域斜投影算子以抑制脉冲多普勒（Pulse-Doppler,PD）雷达的欺骗干扰。考虑到待检测的真实目标和欺骗假目标可能来自不同/相同的空间角度,但其具有不同的极化参数。本文基于极化敏感阵列,采用三线性交替最小二乘算法估计真实目标和假目标的空间角度和极化特征参量,利用两者在空域-极化域内的差异,设计了一种空域-极化域斜投影算子,将雷达接收到的混合回波投影到目标回波子线性空间,以保留目标回波,同时抑制欺骗干扰。相比传统的极化滤波器,该空域-极化域斜投影算子不仅可以有效抑制雷达旁瓣欺骗干扰,而且可以抑制主瓣欺骗干扰,对参数测量误差也有较强的容错性,适用于不同脉宽,不同占空比的雷达波形。（2）针对宽带相干间歇采样转发干扰（Interrupted Sampling Repeater Jamming,ISRJ）,本文基于目标回波与ISRJ的时频域能量分布特征差异,提取干扰机间歇采样时间段内的雷达回波,设计了一种有效的通带滤波器和干扰抑制方案。抑制后的雷达回波与真实目标回波的高分辨一维距离像非常相似,具有较大的相似系数和信号有源干扰噪声比（Signal-to Jamming-plus-Noise Ratio,SJNR）改善因子。仿真实验分别从不同阶数、不同延迟时间、不同信噪比（Signal-to-Noise Ratio,SNR）和不同干扰工作比等四个方面验证了所提通带干扰滤波器对抗宽带ISRJ的有效性,实验结果表明当De-Chirp ISAR输出SNR>25d B时,在不同阶数ISRJ干扰下,滤波器输出回波的相似系数均大于0.8,SJNR改善因子大于15d B。（3）复杂干扰环境下,面向多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达基于压缩感知（Compressive Sensing,CS）估计目标波达角（Direction of Arrive,DOA）问题,提出了三种空间滤波测量矩阵（Spatial Filter Measurement Matrix,SFMM）的设计方案,以解决雷达感兴趣区有源干扰和旁瓣信号源干扰/杂波联合抑制问题。该方案在联合抑制上述干扰的同时,能够准确测量真实目标的DOA,即使分布式有源干扰与真实目标回波具有相同的DOA,且普适性更强,同样适用于仅考虑旁瓣信号源干扰/杂波的抑制问题。仿真实验表明,设计的第三种SFMM针对有源干扰的凹口衰减增益大于85d B,同时针对信号源的旁瓣衰减增益均大于30d B,当SNR>5d B,目标DOA估计均方根误差小于1°。（4）提出了一种自适应初始相位脉冲分集设计方法以对抗PD雷达的速度欺骗干扰。通过优化受干扰时雷达回波的多普勒谱,自适应设计脉冲分集波形的初始相位,使得在受干扰真实目标的频率附近形成阻带凹口,同时采用不同整数倍脉冲重复周期（Pulse Repetition Interval,PRI）延时的多通道处理技术来估计真实目标和虚假目标的距离和多普勒参数,特别是转发干扰延迟PRI数。整个算法核心部分可基于快速傅立叶变换实现,使得雷达波形实时更新成为可能。仿真实验表明,该抗干扰波形设计方法由于在真实目标附近形成频率阻带凹口,提高了恒虚警检测的SJNR,同时也将有助于微弱目标的检测。（5）针对集中式MIMO雷达部分相关波形设计问题,分别基于发射方向图综合和以接收滤波器输出信号的信干噪比最大化为设计准则,提出了两种波形设计方案和一类Toeplitz矩阵式发射波形协方差矩阵（Transmit Waveform Covariance Matrix,TWCM）的设计方法。基于发射方向图综合,本章首先建立了TWCM优化设计模型,并将其松弛为一个凸优化问题求解;其次,为了克服了传统TWCM设计迭代算法对初始值敏感和容易陷入局部最优的缺点,研究了TWCM转化为其平方根矩阵的间接重构问题,将TWCM设计的非凸优化模型转化为一个目标优化函数,并采用粒子群算法进行编码求解,仿真实验表明,该方法比TWCM迭代优化算法至少提高3d B;最后,提出了一类对称Toeplitz矩阵式的TWCM,从数学上严格证明了TWCM的满秩特性,满秩特征保证了基于TWCM设计的波形能够充分发挥MIMO雷达的波形分集优势,能够抑制更多的干扰源。同时,理论上证明了可以采用二进制相移键控波形合成MIMO雷达发射波形,并推导出TWCM控制参数与接收输出信号最大SINR关系式等,认知MIMO雷达可以根据对目标/干扰源/杂波的角度、回波强度等环境信息的感知程度,自适应选择合适的TWCM,在线实时更新集中式MIMO雷达发射波形,因此该波形设计方案对抗旁瓣干扰的灵活性和适应性更强。
王正亚[6]（2016）在《基于主动约束层阻尼的车身薄板结构振动鲁棒控制研究》文中研究表明汽车车身轻量化的发展使得车身壁板变薄、刚度降低,导致车身薄板结构易被外界激励而产生强烈的振动,尤其是低频振动,影响整车的NVH性能。主动约束层阻尼（Active Constrained Layer Damping,ACLD）技术具有被动阻尼和主动控制的双重优点,可以在很宽的频率范围内保持较高的阻尼特性,获得较好的低频振动控制效果,对汽车NVH问题提出新的解决方案。本文以典型的车身薄壁板件—对边固支板结构为研究对象,结合ACLD技术对板结构进行振动主动控制研究。首先,采用ADF（Anelastic Displacement Fields）阻尼模型描述粘弹性材料的阻尼特性,结合有限元方法建立了ACLD耦合系统动力学模型。其次,采用基于模态H2范数的可控可观性优化准则对板结构进行作动器与传感器位置优化,通过悬臂板算例验证了该方法的可行性;并进一步进行了对边固支板结构的模态实验研究,验证了位置优化后的局部覆盖ACLD板理论模型的正确性。然后,针对动力学模型自由度庞大问题,并考虑到本文采用结构奇异值μ方法考察模型的模态参数误差引起的鲁棒稳定性问题,这就要求控制模型解耦,基于此本文给出了一种联合降阶方法,先在状态空间复模态降阶,再进行模态Hankel奇异值降阶（MHSV）对动力学模型简化,得到低维的控制模型。在此基础上,根据结构奇异值理论将ACLD板结构的模型误差描述为具有结构性的模型不确定性,针对其模态参数误差不确定性和高频未建模动态不确定性问题,设计了结构奇异值μ综合鲁棒控制器,并与基于传统的小增益定理设计的H∞控制器在鲁棒稳定性和振动抑制效果方面进行了对比。最后,在不同外扰激励下对板进行了振动主动控制实验研究。利用位置优化准则,综合优化了板结构关心频率范围内模态的作动器与传感器位置,保证了控制系统具有较好的可控性和可观性;采用联合降阶得到的控制模型可观度可控度度高,且模态间相互独立,可直接用于结构奇异值μ综合控制器的设计;经过仿真分析,对于模型混合不确定性问题,μ综合控制器表现出较好的鲁棒稳定性和控制效果。在不同外扰激励下对板进行了硬件在环实验验证,取得了一定的控制效果,其中给定的四个单频谐波信号激励下,施加控制后振动响应幅值分别降低了近24%、54%、39%、20%;在复杂周期信号激励下的响应幅值降低近30%;在有限带宽白噪声激励下的响应均方根值降低9.1%。
欧国建[7]（2016）在《多项式相位信号的检测和参数估计》文中研究指明多项式相位信号广泛应用于雷达、声呐、无线通信和地震学等领域,对此,对多项式相位信号的检测和参数估计是一个具有重要理论意义和重要应用价值的研究方向。另一方面,噪声在物质世界无处不在,多项式相位信号往往淹没在噪声中,因此,减少多项式相位信号的检测和参数估计的信噪比门限成为许多研究者努力的一个目标。对多项式相位信号的检测和参数估计算法,大致可分为两类,一类是多线性变换,比如高阶模糊函数和它的乘积版本--乘积高阶模糊函数;另一类是相位展开的方式,比如Kitchen’s的相位展开估计算法和Djuric的估计算法。这两类算法都有它们的优点和缺点。在过去二十年里,对于单分量多项式相位信号的检测和参数估计,提出了许多理论和方法,然而这些理论和方法对于处理多分量多项式相位信号有着限制和缺陷,主要是多分量多项式相位信号的处理比单分量复杂得多,因此,结合已有的对多项式相位信号的处理方法,本文展开了如下方面的创新性研究:1、采用稀疏分解对加性高斯白噪声中多项式相位信号进行检测和参数估计。系统研究了在加性高斯白噪声条件下,采用稀疏分解实现对多项式相位信号的最优检测,并结合快速傅里叶变换,提出一种针对多项式相位信号的快速稀疏分解算法,该算法大大降低了参数估计的信噪比门限2、结合字典学习算法和稀疏表示实现对加性高斯白噪声中多项式相位信号的去噪。提出一种能去除多项式相位信号噪声的字典学习算法,用这种算法得到的字典,采用稀疏表示,能有效地提高信噪比。3、分析并解决了乘积三次相位函数与高阶模糊函数（Product Cubic Phase Function and High-order Ambiguity Function,PCPF-HAF）算法在多分量多项式相位信号参数估计中存在的不确定性问题。分析了PCPF-HAF算法在估计多分量多项式相位信号参数的存在的不确定性问题,对于这个问题,提出了两种有效的解决方法,一种采用设定三个时间点的方式,这种方法主要根据分量在三个时间点上所求的频率在同一条直线上;第二种方法采用两个时间点的方式,对于各种可能的最高两阶的相位参数组成的多项式相位信号,把它们与变换后的信号相乘并求和,则求和最大值所对应的参数估计就是正确的参数估计。4、提出了基于PCPF-HAF的优化多分量多项式相位信号参数估计算法为了PCPF-HAF算法能用快速傅里叶变换,提出利用非一致间隔采样方法,并针对多分量的三阶多项式相位信号不能使用多个滞后时间达到相乘的目的,提出采用多个比例因子来达到相乘的目的。在提出的优化算法中,针对滤波/相位展开的改进参数估计算法没有实现对幅值参数的改进,提出采用奇异值分解的方法改进幅值参数的估计。
谭兴龙[8]（2014）在《惯性导航辅助的无缝定位改进模型研究》文中进行了进一步梳理惯性导航系统是一种无源导航设备，相对于其他导航系统而言，具有自主性强、短时精度高，可以连续输出导航信息，在军事、民用中都有巨大应用价值。本文围绕无缝定位的惯性导航模型改正方法中的关键技术开展研究，重点涵盖惯导元件随机误差辨识、异常检测与改正抗差自适应滤波模型、机器学习辅助遮蔽区智能导航算法，惯性辅助的行人航迹推算与零速修正室内导航定位，主要研究成果如下：（1）针对常规Allan方差计算量庞大，基于最小二乘拟合随机误差参数时无法修正系数矩阵，提出一种基于WTLS的Allan方差简化估计算法。经实测数据验证，表明该算法可实现大幅降低计算量、加快运算速度并保持Allan方差分析的准确性。（2）针对室外遮蔽区卫星失锁，提出一种改进径向基神经网络结合自适应滤波辅助的组合系统导航模型。采用遗传算法参数寻优和最近邻聚类学习算法改进径向基神经网络，通过预测出伪观测值与其对应的协方差，实现了卫星失锁情况下短时可靠的导航算法。（3）提出一种改进抗差非线性滤波模型，通过判断矩阵病态性自主选取抗差策略；针对松组合系统观测无冗余，无法区分观测异常和状态异常，提出一种支持向量回归辅助的组合导航抗差自适应模型，实现智能区分观测值异常和动力学模型异常，保证组合导航精度，实现抗差精度与可靠度的统一。（4）提出一种LS-SVR辅助的改进多重渐消自适应SVD-UKF算法，利用奇异值分解抑制UKF中先验协方差矩阵负定性变化，采用LS-SVR算法削弱观测异常对残差序列高斯白噪声分布特性的影响，拓展了多重渐消因子的应用范围，为多变量复杂系统提供了一种可行的先进滤波模型。（5）基于时频变换分析惯性传感器用于室内定位的噪声特征，提出了基于FIR设计滤波器、磁力计数据改进步态检测和姿态计算的行人航迹推算；采用广义似然比辨识零速时刻，基于可靠观测构建自适应滤波模型的零速度修正导航模型。削弱观测值中的噪声信息，提高定向稳定性，增强零速检测的可靠性，改进惯性辅助室内行人导航精度。
肖培智[9]（2014）在《基于分数阶PID伺服控制系统的动态性能研究》文中研究表明分数阶PID控制器比整数阶PID控制器增加了两个可以任意调节的阶次，即主要影响控制系统稳态性能的积分阶次λ和主要影响控制系统动态性能的微分阶次μ。研究证明，这样的结构使得分数阶PID控制器的设计更加灵活并且具有较强的鲁棒性能。目前，关于分数阶PID控制器的研究大多数集中在参数整定和控制器设计两个方面，但是在实际控制系统中的应用研究则非常少。本文研究了分数阶PID控制器的设计方法和分数阶模型降阶技术，并将其应用到直流伺服控制系统中来提高其动态性能，主要研究如下：分析了分数阶微积分算子的频域性能，证明算子的阶次可以灵活改变系统的幅频和相频曲线的斜率；验证了Outaloup递推滤波器对算子近似的精确性；证明分数阶系统稳定性的多变性，即分数阶系统稳定性与微积分的阶次有关。分析了分数阶PID控制器的频域性能，并在此基础上设计了最优分数阶PID控制器参数整定方法，通过分析分数阶PID控制器各个参数对控制系统的影响和针对仿真实例对比整数阶PID控制器的控制性能，证明了分数阶PID控制器具备较强的鲁棒性且有利于提高控制系统的动态性能。针对分数阶系统的阶次有时会太高从而影响控制器设计精度的现象，改进了常规H2范数模型降阶技术，使降阶模型扩展到分数阶形式，并在降阶模型的基础上进行基于频率域的最优分数阶PID控制器设计。仿真证明了该模型降阶方法逼近效果较好，并且设计的控制器具有较高的动态性能。根据控制系统的设计要求进行计算确定电机的选型和参数指标，并建立伺服控制系统仿真模型，进行整数阶PID控制器三闭环控制系统、前馈三闭环控制系统和分数阶PID控制器三闭环控制的仿真结果比较。从而证明了分数阶PID控制器在提高伺服控制系统动态性能方面的优越性。
方葛丰[10]（2013）在《模拟电路故障诊断优化理论与方法的研究》文中指出随着现代工业应用的迫切需求及电子技术尤其是微电子技术的高速发展，同时高复杂度和集成度的电路及其系统的数量也在不断地增长。因此，研究如何运用现代诊断技术准确地诊断出电路中存在的故障子电路和元件，成为实际工程迫切需要解决的课题，也是模拟电路故障诊断理论和方法走向实际应用的关键步骤。本文针对现有模拟电路故障诊断方法的一些缺点，作了如下研究工作：1、研究了小波神经网络在模拟电路故障诊断中的应用。从神经网络、小波分析基本理论和分析方法出发，提出了利用小波神经网络诊断模拟电路故障的两种方法。一是利用小波变换作为模拟电路各故障信号的预处理器；二是基于小波理论所构造的一种分层的、多分辨率的神经网络，即用小波函数取代通常的非线性Sigmoid函数，或用小波函数代替网络中普通的权值。最后将它们分别用于诊断模拟电路识别电路故障。2、详细分析了基于遗传算法的小波神经网络用于模拟电路的故障诊断方法，介绍了遗传算法优化神经网络的方法。在小波神经网络模拟电路故障诊断方法的基础上，利用遗传算法对BP神经网络进行优化，从而寻找最为合适的神经网络参数，该方法结合了遗传算法、神经网络及小波变换的优点，既减小了遗传算法的搜索空间、提高搜索效率，又简化了神经网络的结构、减少了网络的训练时间，从而避免了靠经验和试验确定神经网络的结构及其参数的缺点，并能比较容易地收敛到最优解，文中给出了诊断的详细步骤，并通过诊断实例来进一步验证所述方法的正确性，说明所提方法的优越性。3、介绍了人工免疫算法、模糊集合的基本理论，及几种常用方法，详细介绍了一般性的模糊免疫算法流程，并提出了人工免疫算法与模糊算法相结合后在模拟电路故障诊断中的应用。由于人工免疫算法起到学习样本的作用，寻找到各样本组的聚类中心；而模糊分类算法则准确地完成对样本的分类任务，因此，如何有效结合人工免疫算法与模糊分类技术并将其应用于模拟电路故障诊断是一个值得研究的领域。最后通过模拟电路故障诊断实例与BP神经网络进行比较，比较结果证明文中提出的方法具有明显的优势。4、研究了基于符号分析和模型技术，以被测电路的传输函数作为故障诊断方程，通过给可及节点施加特定频率的激励，测量电路的增益和相位响应来实现故障的检测和定位。与传统的故障诊断方法相比，该方法诊断速度快，故障识别率高，计算量小，且诊断过程简单直观，诊断具有易于实现的特点。5、研究了大规模电路故障诊断的撕裂规则，及如何应用神经网络分级诊断大规模电路的各个子电路。在最佳激励作用下，提取节点电压信息，并提取各信息的小波包系数，得到各特征向量，进行信息融合，作为神经网络的输入，此时，神经网络的输出即电路的故障信息。最后综合各子网络，对整个电路进行诊断。
二、基于H_2/h_2范数的时频混合系统降阶:遗传算法方法（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H_2/h_2范数的时频混合系统降阶:遗传算法方法（论文提纲范文）
（1）基于稀疏表示和深度神经网络的语音增强研究（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 无监督语音增强方法 |
| 1.2.2 有监督语音增强方法 |
| 1.3 语音性能评价指标 |
| 1.3.1 主观评价方法 |
| 1.3.2 客观衡量标准 |
| 1.4 本文组织结构 |
| 第二章 深度神经网络语音增强概述 |
| 2.1 深度神经网络 |
| 2.1.1 深度神经网络结构 |
| 2.1.2 受限玻尔兹曼机 |
| 2.1.3 深度神经网络训练过程 |
| 2.2 时频掩模值 |
| 2.3 常见的语音特征提取 |
| 2.4 基于深度神经网络的语音增强 |
| 2.5 本章小结 |
| 第三章 基于正态稀疏深度神经网络的语音增强 |
| 3.1 引言 |
| 3.2 稀疏受限玻尔兹曼机 |
| 3.2.1 误差平方和稀疏惩罚项 |
| 3.2.2 率失真稀疏惩罚项 |
| 3.3 构建正态稀疏受限玻尔兹曼机 |
| 3.4 tanh型信噪比函数自适应调节软掩模学习目标 |
| 3.5 构建软掩模优化正态稀疏深度神经网络的语音增强系统 |
| 3.6 实验结果与分析 |
| 3.6.1 实验参数设置 |
| 3.6.2 语音增强性能比较 |
| 3.6.3 不同模型运行时间对比 |
| 3.7 本章小结 |
| 第四章 基于GCPCC特征和PDSM的深度神经网络语音增强 |
| 4.1 引言 |
| 4.2 GCPCC新特征提取 |
| 4.3 融合相位差信息的软掩模估计 |
| 4.4 联合GCPCC特征提取和PDSM优化深度神经网络的语音增强系统 |
| 4.5 实验结果和分析 |
| 4.5.1 实验数据及语音评价指标 |
| 4.5.2 非线性幂函数和ARMA滤波对特征GCPCC性能的影响 |
| 4.5.3 不同特征语音增强整体性能比较 |
| 4.5.4 验证融合相位差的软掩模PDSM的效果 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（2）基于压缩感知和深度学习的旋转机械故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 旋转机械故障特征表现形式及起因 |
| 1.2.1 齿轮故障常见形式及起因 |
| 1.2.2 滚动轴承故障常见形式及起因 |
| 1.3 旋转机械故障诊断国内外研究现状 |
| 1.3.1 基于时频分析的旋转机械故障诊断国内外研究现状 |
| 1.3.2 基于压缩感知的旋转机械故障诊断方法研究与应用现状 |
| 1.3.3 基于深度学习的旋转机械故障诊断国内外研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 压缩感知算法研究 |
| 2.1 引言 |
| 2.2 压缩感知理论框架 |
| 2.3 信号的稀疏表示 |
| 2.4 观测矩阵的设计 |
| 2.5 重构算法的设计 |
| 2.6 本章小结 |
| 第3章 深度学习算法研究 |
| 3.1 引言 |
| 3.2 监督学习和无监督学习算法 |
| 3.2.1 监督学习 |
| 3.2.2 无监督学习 |
| 3.3 过拟合问题 |
| 3.3.1 过拟合含义及产生过拟合的原因 |
| 3.3.2 现有的防止过拟合方法 |
| 3.4 深度信念网络 |
| 3.5 稀疏自编码神经网络 |
| 3.5.1 自动编码器 |
| 3.5.2 稀疏自编码神经网络 |
| 3.6 本章小结 |
| 第4章 基于WPEE和 MPE的改进DBN齿轮故障智能诊断算法研究 |
| 4.1 引言 |
| 4.2 基于损失阈值迭代优化算法的DBN改进算法理论 |
| 4.3 多尺度排列熵 |
| 4.4 基于WPEE和 MPE的改进DBN齿轮故障智能诊断方法描述 |
| 4.5 实验算例数据分析 |
| 4.5.1 基于QPZZ-II试验平台的齿轮故障诊断结果及分析 |
| 4.5.2 基于多级齿轮传动系统试验台的齿轮故障诊断结果及分析 |
| 4.6 本章小结 |
| 第5章 基于CS-WPEE和 SAE的轴承故障诊断算法研究 |
| 5.1 引言 |
| 5.2 基于CS-WPEE的轴承振动信号特征提取方法理论 |
| 5.2.1 基于稀疏表示的线性投影理论 |
| 5.2.2 基于小波包能量熵理论的特征提取理论 |
| 5.3 基于CS-WPEE的 SAE神经网络轴承智能诊断方法描述 |
| 5.4 实验算例数据分析 |
| 5.4.1 基于美国西储大学振动数据的轴承故障诊断结果及分析 |
| 5.4.2 基于QPZZ-II旋转机械振动实验台的轴承故障诊断结果及分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
| 作者简介 |
（3）差分进化改进微电网负荷频率混合H2/H∞鲁棒控制（论文提纲范文）
| 0 引言 |
| 1 负荷频率控制模型的建立 |
| 2 混合H2/H∞控制器的设计 |
| 2.1 H∞性能指标 |
| 2.2 H2性能指标 |
| 2.3 加权函数结构 |
| 3 基于自适应差分进化的参数选取 |
| 3.1 标准差分进化算法 |
| 3.2 自适应参数设置 |
| 3.3 基于DE的控制器求解步骤 |
| 4 实验仿真 |
| 4.1 控制器性能验证 |
| 4.2 实验仿真 |
| 5 结论 |
（4）Massive MIMO下行链路多用户配对及波束赋形算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状及存在问题 |
| 1.3 主要研究内容和结构安排 |
| 第二章 Massive MIMO下行链路基本理论 |
| 2.1 Massive MIMO基本理论 |
| 2.2 Massive MIMO天线阵列基本形式 |
| 2.2.1 等天线间隔线性阵列 |
| 2.2.2 等天线间隔平面阵列 |
| 2.2.3 等天线间隔错列平面阵 |
| 2.3 Massive MIMO系统模型 |
| 2.3.1 系统模型 |
| 2.3.2 信号形式及帧格式 |
| 2.3.3 信道模型 |
| 2.4 Massive MIMO下行链路多用户方案 |
| 2.4.1 总体方案 |
| 2.4.2 用户配对原理 |
| 2.4.3 波束赋形原理 |
| 2.4.4 存在的问题 |
| 2.5 本章小结 |
| 第三章 Massive MIMO下行链路多用户配对算法 |
| 3.1 引言 |
| 3.2 传统用户配对算法分析 |
| 3.2.1 针对普通MIMO系统的用户配对算法 |
| 3.2.2 针对Massive MIMO系统的用户配对算法 |
| 3.3 改进的用户配对算法 |
| 3.3.1 改进的基于用户主径方向的用户配对算法 |
| 3.3.2 改进的基于干扰信号功率比的用户配对算法 |
| 3.3.3 改进的基于波束方向图的用户配对算法 |
| 3.4 算法性能仿真及分析 |
| 3.4.1 仿真参数说明 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 Massive MIMO下行链路多用户波束赋形算法 |
| 4.1 引言 |
| 4.2 传统多用户波束赋形算法 |
| 4.2.1 传统的普通多用户波束赋形算法 |
| 4.2.2 传统的加零陷多用户波束赋形算法 |
| 4.3 基于波束方向图改进的零陷波束赋形算法 |
| 4.3.1 BP-NUBF算法基本思想 |
| 4.3.2 BP-NUBF算法推导 |
| 4.3.3 BP-NUBF算法基本步骤 |
| 4.4 基于信道响应信息改进的零陷波束赋形算法 |
| 4.4.1 CRI-NUBF算法基本思想 |
| 4.4.2 CRI-NUBF算法推导 |
| 4.4.3 CRI-NUBF算法基本步骤 |
| 4.5 BP-NUBF和CRI-NUBF算法复杂度分析及优化 |
| 4.5.1 BP-NUBF算法复杂度分析 |
| 4.5.2 CRI-NUBF算法复杂度分析 |
| 4.5.3 复杂度优化思路 |
| 4.5.4 优化后的BP-NUBF算法复杂度 |
| 4.5.5 优化后的CRI-NUBF算法复杂度 |
| 4.6 算法性能仿真及分析 |
| 4.6.1 仿真参数 |
| 4.6.2 仿真结果 |
| 4.6.3 结果分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文主要工作和贡献 |
| 5.2 论文后续工作和展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）认知雷达干扰抑制与波形设计技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 认知雷达技术 |
| 1.2.2 雷达抗干扰方法 |
| 1.2.3 存在问题与不足 |
| 1.3 论文内容安排及主要创新 |
| 第二章 雷达有源欺骗干扰产生原理分析 |
| 2.1 引言 |
| 2.2 基于DRFM转发式干扰机 |
| 2.2.1 系统组成 |
| 2.2.2 存储方式 |
| 2.2.3 相参性分析 |
| 2.3 基于干扰过程的典型欺骗干扰产生原理 |
| 2.3.1 距离拖引干扰 |
| 2.3.2 速度拖引干扰 |
| 2.3.3 距离速度联合拖引干扰 |
| 2.4 其它欺骗干扰 |
| 2.4.1 间歇采样转发干扰 |
| 2.4.2 散射波干扰 |
| 2.5 本章小结 |
| 第三章 空域-极化域联合干扰抑制滤波器设计 |
| 3.1 引言 |
| 3.2 基于TALS的角度和极化参数估计 |
| 3.2.1 信号模型 |
| 3.2.2 参数估计 |
| 3.3 空域-极化域干扰抑制滤波器设计 |
| 3.3.1 空域-极化域斜投影算子 |
| 3.3.2 复杂度分析 |
| 3.3.3 欺骗干扰抑制实现流程 |
| 3.4 实验结果及分析 |
| 3.4.1 仿真环境 |
| 3.4.2 干扰抑制效果 |
| 3.4.3 干扰抑制性能评估 |
| 3.5 本章小结 |
| 第四章 抗宽带ISRJ通带滤波器设计 |
| 4.1 引言 |
| 4.2 信号模型 |
| 4.3 通带滤波器设计 |
| 4.3.1 时频谱特征 |
| 4.3.2 通带滤波器设计 |
| 4.3.3 抑制性能评估 |
| 4.3.4 干扰抑制工作流程 |
| 4.4 仿真结果及分析 |
| 4.4.1 仿真环境 |
| 4.4.2 ISRJ效果 |
| 4.4.3 干扰抑制性能 |
| 4.5 本章小节 |
| 第五章 集中式MIMO雷达空间滤波测量矩阵设计 |
| 5.1 引言 |
| 5.2 集中式MIMO雷达CS DOA估计模型 |
| 5.2.1 传统CS DOA估计 |
| 5.2.2 基于SFMM的 CS DOA估计 |
| 5.3 SFMM设计 |
| 5.4 仿真结果及分析 |
| 5.4.1 干扰情况下DOA估计 |
| 5.4.2 干扰抑制性能评估 |
| 5.5 本章小节 |
| 第六章 基于自适应初相的抗速度欺骗干扰脉冲分集设计 |
| 6.1 引言 |
| 6.2 速度欺骗雷达回波模型 |
| 6.3 脉冲分集设计与干扰参量认知 |
| 6.3.1 基于自适应初始相位的脉冲分集设计 |
| 6.3.2 基于多通道处理的干扰参量认知 |
| 6.4 仿真结果及分析 |
| 6.4.1 干扰抑制效果 |
| 6.4.2 多通道处理 |
| 6.5 本章小节 |
| 第七章 集中式MIMO雷达部分相关波形设计 |
| 7.1 引言 |
| 7.2 设计基础 |
| 7.2.1 信号模型 |
| 7.2.2 不同配置方式的MIMO雷达 |
| 7.2.3 基于TWCM的部分相关波形合成 |
| 7.3 基于发射方向图综合的TWCM设计 |
| 7.3.1 优化模型 |
| 7.3.2 仿真结果及分析 |
| 7.4 面向SINR增强的TWCM优化设计 |
| 7.4.1 基于PSO的优化模型 |
| 7.4.2 仿真结果与分析 |
| 7.5 Toeplitz矩阵式TWCM设计 |
| 7.5.1 矩阵模型及性质 |
| 7.5.2 仿真结果及分析 |
| 7.6 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（6）基于主动约束层阻尼的车身薄板结构振动鲁棒控制研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 ACLD粘弹性阻尼材料的建模研究 |
| 1.2.2 作动器/传感器位置优化研究 |
| 1.2.3 ACLD结构的振动控制技术发展状况 |
| 1.3 本文的主要研究内容 |
| 2 ACLD板结构动力学建模及作动器/传感器位置优化 |
| 2.1 ACLD板结构有限元动力学建模 |
| 2.1.1 压电材料的特性分析 |
| 2.1.2 粘弹性材料的ADF模型 |
| 2.1.3 ACLD板结构有限元建模 |
| 2.2 作动器与传感器位置优化 |
| 2.2.1 压电板结构动力学模型解耦 |
| 2.2.2 基于模态H2范数的位置优化准则 |
| 2.2.3 优化准则算例分析 |
| 2.2.4 对边固支板作动器/传感器优化配置 |
| 2.3 模型试验验证 |
| 2.4 本章小结 |
| 3 主动约束层阻尼板结构动力学模型降阶 |
| 3.1 状态空间复模态降阶 |
| 3.2 模态Hankel奇异值降阶 |
| 3.3 联合降阶算例分析 |
| 3.4 本章小结 |
| 4 主动约束层阻尼板结构振动鲁棒控制 |
| 4.1 结构奇异值 μ 综合鲁棒控制基本理论 |
| 4.2 ACLD结构模型不确定性 |
| 4.3 混合不确定模型的 μ 综合控制器设计 |
| 4.4 权函数选择 |
| 4.5 鲁棒稳定性和鲁棒性能分析 |
| 4.6 振动控制仿真 |
| 4.7 本章小结 |
| 5 薄板结构振动主动控制实验研究 |
| 5.1 实验目的与实验设备 |
| 5.2 振动主动控制实验 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 论文总结与创新 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
（7）多项式相位信号的检测和参数估计（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.3 本文的主要工作 |
| 1.4 本文的主要创新 |
| 2 基于稀疏分解的PPS检测研究 |
| 2.1 PPS的Cramér-Rao边界 |
| 2.2 基于稀疏分解的PPS检测研究 |
| 2.3 基于稀疏分解的PPS检测算法 |
| 2.4 本章小结 |
| 3 基于稀疏分解的PPS的参数估计 |
| 3.1 稀疏分解及匹配追踪算法 |
| 3.2 基于稀疏分解的二阶多项式相位信号参数估计研究 |
| 3.3 基于稀疏分解的高阶多项式相位信号参数估计研究 |
| 3.4 基于子空间的三阶多项式相位信号稀疏分解参数估计研究 |
| 3.5 本章小结 |
| 4 基于字典学习和稀疏分解的PPS去噪研究 |
| 4.1 微弱信号检测及信号去噪研究现状 |
| 4.2 字典学习去噪算法研究现状 |
| 4.3 基于RLS-DLA的字典学习去噪算法研究 |
| 4.4 本章小结 |
| 5 基于PCPF-HAF参数估计的不确定性分析 |
| 5.1 现有多分量多项式相位信号参数估计存在的不足 |
| 5.2 PCPF-HAF算法 |
| 5.2.1 CPF算法 |
| 5.2.2 PCPF-HAF算法在估计mc-PPS参数中的不确定性分析 |
| 5.3 PCPF-HAF算法不确定性问题的解决 |
| 5.4 本章小结 |
| 6 基于PCPF-HAF优化的mc-PPS参数估计 |
| 6.1 利用非一致间隔信号采样方法实现FFT |
| 6.2 基于K-means聚类算法的频率估计 |
| 6.3 M点移动平均滤波/相位展开算法改进参数估计分析 |
| 6.4 利用奇异值分解改进信号的幅值参数估计 |
| 6.5 基于PCPF-HAF优化的mc-PPS参数估计算法 |
| 6.6 基于乘积CPF的多分量三阶多项式相位信号参数估计研究 |
| 6.7 本章小结 |
| 7 总结 |
| 7.1 工作结论 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读博士学位期间发表的论文和取得的科研成果 |
（8）惯性导航辅助的无缝定位改进模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| Extended Abstract |
| 目录 |
| Contents |
| 图清单 |
| 表清单 |
| 1 绪论 |
| 1.1 研究背景、难点及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 本文的结构与组织 |
| 2 惯性导航基本原理 |
| 2.1 惯性导航基础 |
| 2.2 参考坐标系及其转换模型 |
| 2.3 惯性导航姿态表达及微分方程 |
| 2.4 捷联惯性导航数字算法 |
| 2.5 本章小结 |
| 3 惯性元件误差的 Allan 方差辨识 |
| 3.1 随机误差模型 |
| 3.2 随机误差辨识算法 |
| 3.3 惯性元件随机误差 |
| 3.4 基于 WTLS 的改进 Allan 方差估计算法 |
| 3.5 本章小结 |
| 4 室外惯性/卫星无缝导航模型 |
| 4.1 卫星导航误差方程 |
| 4.2 捷联惯性导航误差方程 |
| 4.3 卫星/惯性松组合模型 |
| 4.4 卫星/惯性紧组合模型 |
| 4.5 本章小结 |
| 5 室外遮蔽区定位的改进 RBFNN 辅助导航模型 |
| 5.1 神经网络回归模型 |
| 5.2 遗传算法参数寻优 |
| 5.3 改进 RBFNN 预测伪位置算法 |
| 5.4 基于伪位置的滤波器设计 |
| 5.5 实验与分析 |
| 5.6 本章小结 |
| 6 惯性/卫星无缝导航的改进抗差模型 |
| 6.1 线性最小方差估计与 Kalman 滤波 |
| 6.2 随机非线性系统的滤波算法 |
| 6.3 GPS/INS 无缝导航改进抗差 UKF 模型 |
| 6.4 支持向量机回归 |
| 6.5 GA-SVR 辅助 GPS/INS 抗差自适应导航模型 |
| 6.6 本章小结 |
| 7 惯性/卫星无缝导航多重渐消因子 SVD-UKF 模型 |
| 7.1 多重渐消自适应 SVD-UKF 模型 |
| 7.2 最小二乘支持向量回归 |
| 7.3 LS-SVR 辅助多重渐消因子自适应 SVD-UKF 模型 |
| 7.4 本章小结 |
| 8 室内定位的惯性辅助导航模型 |
| 8.1 基于 FIR 滤波器的惯性辅助的室内定位模型 |
| 8.2 基于自适应零速修正的惯性辅助室内定位模型 |
| 8.3 本章小结 |
| 9 结论及展望 |
| 9.1 结论 |
| 9.2 创新点 |
| 9.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）基于分数阶PID伺服控制系统的动态性能研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 伺服控制系统研究现状 |
| 1.3 分数阶PID控制器 |
| 1.3.1 分数阶控制器的发展 |
| 1.3.2 分数阶PID控制器的基本原理 |
| 1.3.3 分数阶PID控制器的国内外研究现状 |
| 1.4 主要研究内容及结构安排 |
| 第2章 分数阶控制系统 |
| 2.1 引言 |
| 2.2 分数阶微积分理论 |
| 2.2.1 分数阶微积分的定义 |
| 2.2.2 分数阶微积分的性质 |
| 2.2.3 分数阶微积分的变换 |
| 2.3 分数阶微积分算子的离散化方法 |
| 2.3.1 分数阶微积分算子的频域性能分析 |
| 2.3.2 分数阶微积分的间接近似法 |
| 2.4 分数阶控制系统稳定性分析 |
| 2.4.1 分数阶微分方程及解的存在性和唯一性 |
| 2.4.2 分数阶控制系统的传递函数表述 |
| 2.4.3 分数阶控制系统的稳定性分析 |
| 2.5 本章小结 |
| 第3章 最优分数阶PID控制器设计 |
| 3.1 引言 |
| 3.2 分数阶PID控制器的频域性能分析 |
| 3.3 最优分数阶PID控制器设计 |
| 3.3.1 最优化准则的选取 |
| 3.3.2 程序设计流程图 |
| 3.3.3 基于GUI界面的最优分数阶PID控制器设计 |
| 3.4 仿真比较 |
| 3.4.1 基于整数阶受控对象的仿真比较 |
| 3.4.2 基于分数阶受控对象的仿真比较 |
| 3.5 分数阶PID控制器参数变化对控制系统性能影响的分析 |
| 3.5.1 积分阶次的变化对控制系统性能的影响 |
| 3.5.2 微分阶次的变化对控制系统性能的影响 |
| 3.6 本章小结 |
| 第4章 基于模型降阶的最优分数阶PID控制器设计 |
| 4.1 引言 |
| 4.2 模型降阶 |
| 4.2.1 改进型H2范数模型降阶方法 |
| 4.2.2 降阶模型的动态性能研究 |
| 4.3 基于模型降阶的最优分数阶PID控制器设计 |
| 4.3.1 频域优化准则的选取 |
| 4.3.2 基于频域的降阶模型最优分数阶PID控制器设计 |
| 4.3.3 仿真结果 |
| 4.4 本章小结 |
| 第5章 直流伺服控制系统建模及仿真 |
| 5.1 引言 |
| 5.2 控制系统部分环节及其数学模型 |
| 5.2.1 电机参数计算及选型 |
| 5.2.2 无刷直流电机的数学模型 |
| 5.2.3 伺服控制系统Simulink仿真框图的建立 |
| 5.3 分数阶PID控制器的设计 |
| 5.3.1 电流环控制器的设计 |
| 5.3.2 速度环控制器的设计 |
| 5.3.3 位置环控制器的设计 |
| 5.4 基于双十指标的三种控制形式仿真对比 |
| 5.4.1 整数阶PID控制器控制系统仿真 |
| 5.4.2 加前馈的PID复合控制器控制系统仿真 |
| 5.4.3 分数阶PID控制器控制系统仿真 |
| 5.5 本章小结 |
| 第6章 结论 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（10）模拟电路故障诊断优化理论与方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 模拟电路故障诊断研究的意义 |
| 1.2 模拟电路故障诊断研究的发展及现状 |
| 1.3 论文的主要研究内容及结构安排 |
| 第2章 神经网络和小波分析在电路故障诊断中的应用 |
| 2.1 神经网络(NN) |
| 2.1.1 神经网络基础知识 |
| 2.1.2 学习规则 |
| 2.1.3 神经网络的推广能力 |
| 2.1.4 BP 神经网络学习算法 |
| 2.2 小波分析 |
| 2.2.1 基本概念 |
| 2.2.2 小波函数 |
| 2.2.3 小波分解和重构 |
| 2.2.4 小波基的特性 |
| 2.3 基于小波的故障特征提取法 |
| 2.3.1 基于绝对值最大值的故障特征提取方法 |
| 2.3.2 基于平方和的故障特征提取方法 |
| 2.4 小波神经网络在模拟电路故障诊断中的应用 |
| 2.4.1 基于小波预处理的神经网络模拟电路故障诊断方法 |
| 2.4.2 小波神经网络（ WNN ）的电路故障诊断法 |
| 2.4.3 小波神经网络的特点 |
| 2.5 基于小波神经网络的模拟电路故障诊断实例 |
| 2.6 小结 |
| 第3章 遗传算法在电路故障诊断中的应用 |
| 3.1 遗传算法概述 |
| 3.1.1 遗传算法基本思想 |
| 3.1.2 遗传算法的特点 |
| 3.2 基本遗传算法 |
| 3.2.1 简单遗传算法 |
| 3.2.2 遗传算法的基本操作 |
| 3.2.3 遗传算法的编码 |
| 3.2.4 遗传算法的适应度及其调整 |
| 3.3 遗传算法对人工神经网络的优化 |
| 3.3.1 神经网络结构的优化 |
| 3.3.2 神经网络连接权的优化 |
| 3.3.3 神经网络学习规则的优化 |
| 3.3.4 混合训练神经网络 |
| 3.4 遗传算法在模拟电路故障诊断中的应用 |
| 3.5 诊断实例 |
| 3.6 小结 |
| 第4章 模糊免疫算法在模拟电路故障诊断中的应用 |
| 4.1 概述 |
| 4.2 人工免疫系统 |
| 4.2.1 免疫系统概述 |
| 4.2.2 免疫系统的仿生机理 |
| 4.3 免疫算法原理 |
| 4.3.1 免疫算法简介 |
| 4.3.2 免疫算法的一般步骤 |
| 4.3.3 免疫系统与算法的关系 |
| 4.4 模糊免疫算法基本原理 |
| 4.4.1 模糊算法基本原理 |
| 4.4.2 模糊免疫算法基本原理 |
| 4.4.3 一般性的模糊免疫算法流程描述 |
| 4.5 诊断实例 |
| 4.6 结论 |
| 第5章 符号分析法在模拟电路故障诊断中的应用 |
| 5.1 符号分析概述 |
| 5.2 符号分析表达式的近似算法 |
| 5.2.1 符号分析表达式近似处理描述 |
| 5.2.2 符号分析表达式近似处理的要求 |
| 5.2.3 近似处理表达式的形式 |
| 5.2.4 规范 SOP 形式的近似处理 |
| 5.3 电路故障诊断的原理及方法 |
| 5.3.1 单一故障诊断方法 |
| 5.3.2 多故障诊断方法 |
| 5.4 诊断实例 |
| 5.5 结论 |
| 第6章 大规模电路测试与故障诊断方法 |
| 6.1 概述 |
| 6.2 子电路的神经网络诊断 |
| 6.2.1 子电路的神经网络诊断步骤 |
| 6.2.2 子电路的容差分析与处理 |
| 6.2.3 学习算法 |
| 6.3 大规模电路的神经网络故障诊断 |
| 6.3.1 大规模电路的撕裂原则 |
| 6.3.2 大规模电路的神经网络诊断 |
| 6.4 大规模模拟电路故障诊断的分层神经网络方法 |
| 6.5 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间的主要成果 |
| 附录 B 攻读学位期间科研项目 |
四、基于H_2/h_2范数的时频混合系统降阶:遗传算法方法（论文参考文献）
- [1]基于稀疏表示和深度神经网络的语音增强研究[D]. 王卫梅. 太原理工大学, 2020(07)
- [2]基于压缩感知和深度学习的旋转机械故障诊断方法研究[D]. 郭晓慈. 燕山大学, 2020
- [3]差分进化改进微电网负荷频率混合H2/H∞鲁棒控制[J]. 李洪跃,王锡淮,肖健梅. 电机与控制学报, 2019(11)
- [4]Massive MIMO下行链路多用户配对及波束赋形算法研究[D]. 袁建国. 西安电子科技大学, 2019(02)
- [5]认知雷达干扰抑制与波形设计技术研究[D]. 熊伟. 南京航空航天大学, 2019
- [6]基于主动约束层阻尼的车身薄板结构振动鲁棒控制研究[D]. 王正亚. 重庆大学, 2016(03)
- [7]多项式相位信号的检测和参数估计[D]. 欧国建. 重庆大学, 2016(03)
- [8]惯性导航辅助的无缝定位改进模型研究[D]. 谭兴龙. 中国矿业大学, 2014(04)
- [9]基于分数阶PID伺服控制系统的动态性能研究[D]. 肖培智. 河南科技大学, 2014(02)
- [10]模拟电路故障诊断优化理论与方法的研究[D]. 方葛丰. 湖南大学, 2013(09)