导读:本文包含了阶次识别论文开题报告文献综述及选题提纲参考文献，主要关键词:纯电动客车,阶次跟踪,噪声源识别
阶次识别论文文献综述
胡鸿飞,董经鲁,张勇,董钊志[1]（2019）在《基于阶次跟踪的某纯电动客车的噪声源识别》一文中研究指出运用LMS SCADAS对纯电动客车异响进行数据采集,通过阶次跟踪技术识别出噪声源,并提出改进方法和验证。(本文来源于《客车技术与研究》期刊2019年04期）
于莫岩,刘茜,陈勇,高星[2]（2018）在《探究基于阶次分析的永磁同步电机噪声源识别》一文中研究指出永磁同步电机是一种具有高效率、高力矩惯量比、高能量密度等特点的电机类型,而且,永磁同步电机是一种良好的环保低碳电机。而在实际的永磁同步电机工作中,可产生电磁噪声,并对电机运行造成影响。故此,展开对永磁同步电机噪声源分析,对基于阶次分析的永磁同步电机噪声源识别,对具体的永磁同步电机噪声试验、滚动轴承的噪声阶次特征、不同影响因素下的电磁激励阶次特征等内容,旨在综合提升永磁同步电机的质量,保障永磁同步电机的减振降噪效果。(本文来源于《中国锰业》期刊2018年03期）
酒明远,陈恩庆,齐林,帖云[3]（2018）在《基于多核学习的多阶次分数阶傅里叶变换域人脸识别》一文中研究指出分数阶傅里叶变换是信号处理与分析的一个重要工具,通过将图像信号投影到不同角度的时频平面可以表征图像的内容信息,其在人脸识别任务中显示出很好的性能。但是分数阶傅里叶变换存在阶次选择的问题,即在没有先验知识的情况下,无法预先知道哪一个阶次的分数阶傅里叶变换域特征具有最好的判别性能。受机器学习中的多核学习理论启发,本文探讨了分数阶傅里叶变换中阶次选择问题和多核学习理论的联系,通过将不同阶次的分数阶傅里叶变化域特征的线性核矩阵作为多核学习网络的输入,结合支持向量机,交替优化更新多核网络中的系数和支持向量机的参数,自动学习多阶次分数阶傅里叶变换域特征的系数,实现多阶次分数阶傅里叶变换域特征的融合。将所提算法应用到人脸识别任务中,在ORL人脸数据集和扩展Yale B人脸数据集上的实验显示所提算法的可行性和有效性。(本文来源于《光电工程》期刊2018年06期）
任博[4]（2017）在《基于多阶次分数阶Fourier域统计特征融合的表情识别》一文中研究指出近年来,随着社会的发展与人工智能技术的进步,大众对人机交互体验的要求也越来越高,这其中就包括使机器能够更了解人类的情绪变化。人脸表情识别作为情绪识别的重要分支之一,也是得到了极高的关注度与研究热情。分数阶傅里叶变换作为经典傅里叶变换的扩展形式,在图像处理与模式识别中也被运用的越来越多。本论文利用分数阶傅里叶变换作为基础工具,在人脸表情识别领域进行了若干研究,总结概括如下:介绍了基于单一阶次分数阶Fourier变换的面部表情识别的系统框架。针对目前研究中常用到的分数阶域的幅度特征与相位特征,分别在图像性质方面以及实验的识别效果两个方面分析了两类特征的优势以及实用性。也验证了,无论是幅度特征还是相位特征,单独一个阶次的信息是无法取得优秀的实验效果的。之前的文献中,研究人员仅仅利用了分数阶的二到叁个阶次的特征信息,然后把主要精力用在了寻找最优阶次上。本文认为分数阶傅里叶变换具有无穷个连续阶次,如果可以融合更多的阶次的信息,既可以增加用于分类的特征的判别信息,也可以起到监督效果。根据这个思路,本文作者提出了基于多阶次分数阶傅里叶域统计特征的面部表情识别算法。并在RML数据库与CK+数据库上取得了优于之前基于FrFT特征的识别算法的实验效果。为今后的基于分数阶傅里叶变换的模式识别的研究提供了一个新的思路。Gabor变换由于它自身的一些函数特性,很早就被用在了图像处理与模式识别领域。也是被研究的最多的一种特征提取工具。图片的Gabor特征也是利用度最广泛,保持较强鲁棒性的特征之一。作为两种相似的基于表观特征的面部表情识别特征提取技术,它们都是针对图片的灰度值进行处理运算。本文尝试使用了在判别多重典型相关分空间(DMCCS)下的核熵成分分析(KECA)算法,将表情图像的FrFT特征与Gabor特征融合在一起,并在两个表情数据库中均取得相当不错的效果。改善了的融合技术与两类特征的组合,极大提高了算法的识别率。(本文来源于《郑州大学》期刊2017-04-01）
林福,左曙光,吴旭东,吴双龙,毛钰[5]（2016）在《基于阶次分析的永磁同步电机噪声源识别》一文中研究指出为了识别出永磁同步电机的噪声来源,该文对常见的机械噪声和不同影响因素下的电磁噪声特点进行研究。首先分析了滚动轴承产生的噪声阶次特征,识别出了滚珠内外圈通过频率对应的分数阶噪声。其次通过麦克斯韦应力张量法推导了理想条件下作用于定子内表面的径向力波的频率阶次,结合实测电流谐波分析了不同电流谐波类型下的径向力波特征,通过引入偏心修正系数分析了转子动态偏心对径向力波的影响,从而识别出了不同影响因素下的电磁噪声源。并且建立了永磁同步电机的有限元模型,通过模态试验对定子铁芯和绕组的等效进行验证,由电机约束模态分析获取了电机在实际安装条件下的模态参数,对实测的共振噪声来源进行解释。最后分析了各影响因素产生的噪声对总体噪声的贡献量,指出电机的主要噪声源。该研究可以识别出永磁同步电机的每一阶次噪声和共振噪声的来源,为进一步的减振降噪奠定基础。(本文来源于《农业工程学报》期刊2016年17期）
张强,陈孝玉,何鸣,阎昌国[6]（2016）在《基于阶次跟踪的汽车变速器啸叫声源识别》一文中研究指出变速器噪声作为影响汽车整体性能的一个重要因素,一直以来倍受汽车厂商关注。作者以某型国产变速器为研究对象,在半消声室内对其进行台架试验,并利用阶次跟踪原理识别出齿轮副为啸叫噪音的声源;同时通过对比路试前后主动齿轮的磨损量,分析出了声源齿轮副的主要激励源。(本文来源于《遵义师范学院学报》期刊2016年04期）
王振东[7]（2016）在《基于阶次分析的发动机故障预测与识别》一文中研究指出汽车在国民生活中扮演越来越重要的角色,发动机作为汽车的心脏,其故障在整车故障中占据较高比例。为了提高发动机安全性,提前预测故障,基于振动信号的发动机故障预测技术迅速发展起来。而发动机振动信号具有非平稳性、非线性等特点,传统的频域分析会产生频率模糊现象,因此催生了基于角域的阶次分析。耐久性试验是发动机研发中重要的一环,某企业致力于发动机耐久性试验,购进德尔塔分析仪用于检测发动机振动。企业希望能够进行早期故障预测,在故障初发时预警,避免发动机永久损坏造成重大损失。本文的研究即基于德尔塔分析仪检测发动机振动生成的阶次信号。本文首先分析了发动机、德尔塔分析仪的工作原理及阶次分析的原理等背景知识,根据当前对故障预测存在的弊端及企业需求进行了剖析,设计了一套完整的解决方案。(1)先分析故障原理及相应的故障频谱图,寻找故障可能对应的阶次,进行数据预处理。(2)将处理过的数据使用主成分分析法进行降维,进一步压缩数据,消除冗余,避免“维数灾难”。(3)采用模糊C-均值和支持向量机对降维后的数据进行分类,结果证明,支持向量机这套方案能够达到预期效果。(4)采用python按企业要求编写故障预测软件,综合以上方法。本文提出的解决方案能够及时对故障进行预测。最后韵预测软件已经应用于企业耐久性试验当中。(本文来源于《大连理工大学》期刊2016-05-01）
冉绍伯,何建伟,陈扬森,黄超华,罗贤能[8]（2015）在《基于阶次分析的变速器啸叫识别研究》一文中研究指出本文通过研究对时域信号进行等角域重采样的阶次分析方法,来分析由变速器传动结构关系确定的变速器阶次,从而识别变速器啸叫噪声源,进而进行优化控制。该方法是确定变速器啸叫噪声产生部位的基本手段,能够准确地识别变速器噪声源。(本文来源于《2015中国汽车工程学会年会论文集（Volume1）》期刊2015-10-27）
王亚星,齐林,郭新,陈恩庆[9]（2016）在《基于稀疏PCA的多阶次分数阶傅里叶变换域特征人脸识别》一文中研究指出鉴于人脸识别面临光照、表情和遮挡等因素的影响,提出了一种在分数阶傅里叶变换域稀疏表示的人脸识别。基于分数阶傅里叶变换对光照、表情的鲁棒性,已在图像处理领域得到应用。FRFT幅度随阶次的变换呈现压缩性,而SPCA提取其主要信息,且分为主要信息域和次要信息域,融合两者的互补信息组成混合幅度特征,然后融合混合幅度特征、实部特征和虚部特征,最后融合不同阶次下FRFT域特征。此外提出基于贪婪算法的分数阶阶次选择算法和基于Fisherfaces的权重方法。ORL和AR人脸数据库上识别率分别达到了96.5%和97.6%,充分证明了该算法对人脸识别的有效性。(本文来源于《计算机应用研究》期刊2016年04期）
杨帆,张方[10]（2015）在《动载荷识别的小波级数分解法阶次确定》一文中研究指出在基于正交小波级数分解法的分布动载荷识别过程中,由于小波级数阶次的不适当选择,造成载荷识别的不准确或计算量庞大。通过矩阵的谱分解,根据Parseval定理,信号在时域中的总能量和频域中的总能量是相等的,给出了随着阶次的增加而趋于收敛的小波级数系数幅值的包络线,将没有确定解析规律的小波级数系数解析化,得到确定的小波级数阶次与载荷识别相对误差的函数关系。根据实际工程需求的识别误差等级来选取小波级数的阶次,给出了待识别动载荷级数分解时选择阶次的理论依据。计算机仿真分别采用单频、多频、实际载荷信号,试验系统采用冲击载荷加载,验证了该定阶方法的正确性和有效性,结果表明定阶理论适用于不同载荷类型。(本文来源于《振动.测试与诊断》期刊2015年01期）
阶次识别论文开题报告
（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：
永磁同步电机是一种具有高效率、高力矩惯量比、高能量密度等特点的电机类型,而且,永磁同步电机是一种良好的环保低碳电机。而在实际的永磁同步电机工作中,可产生电磁噪声,并对电机运行造成影响。故此,展开对永磁同步电机噪声源分析,对基于阶次分析的永磁同步电机噪声源识别,对具体的永磁同步电机噪声试验、滚动轴承的噪声阶次特征、不同影响因素下的电磁激励阶次特征等内容,旨在综合提升永磁同步电机的质量,保障永磁同步电机的减振降噪效果。
（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。
阶次识别论文参考文献
[1].胡鸿飞,董经鲁,张勇,董钊志.基于阶次跟踪的某纯电动客车的噪声源识别[J].客车技术与研究.2019
[2].于莫岩,刘茜,陈勇,高星.探究基于阶次分析的永磁同步电机噪声源识别[J].中国锰业.2018
[3].酒明远,陈恩庆,齐林,帖云.基于多核学习的多阶次分数阶傅里叶变换域人脸识别[J].光电工程.2018
[4].任博.基于多阶次分数阶Fourier域统计特征融合的表情识别[D].郑州大学.2017
[5].林福,左曙光,吴旭东,吴双龙,毛钰.基于阶次分析的永磁同步电机噪声源识别[J].农业工程学报.2016
[6].张强,陈孝玉,何鸣,阎昌国.基于阶次跟踪的汽车变速器啸叫声源识别[J].遵义师范学院学报.2016
[7].王振东.基于阶次分析的发动机故障预测与识别[D].大连理工大学.2016
[8].冉绍伯,何建伟,陈扬森,黄超华,罗贤能.基于阶次分析的变速器啸叫识别研究[C].2015中国汽车工程学会年会论文集（Volume1）.2015
[9].王亚星,齐林,郭新,陈恩庆.基于稀疏PCA的多阶次分数阶傅里叶变换域特征人脸识别[J].计算机应用研究.2016
[10].杨帆,张方.动载荷识别的小波级数分解法阶次确定[J].振动.测试与诊断.2015