导读:本文包含了小波神经网络方法论文开题报告文献综述及选题提纲参考文献，主要关键词:光纤陀螺,温度漂移补偿,Shupe效应,小波降噪
小波神经网络方法论文文献综述
李光耀,侯宏录,杜鹃,李媛[1]（2019）在《采用小波降噪和神经网络的FOG温度漂移补偿方法》一文中研究指出光纤陀螺(FOG)输出易受环境温度的影响,发生漂移导致光纤陀螺测量精度降低。采用传统的BP神经网络容易陷入局部极小值,导致网络训练失败。为了优化BP神经网络,本文提出了一种粒子群(PSO)优化BP神经网络与小波降噪相结合的光纤陀螺温度漂移补偿方法。首先分析了光纤陀螺温度漂移产生的原因;然后在不同温度下对光纤陀螺进行测试,最后采用该方法建立了光纤陀螺温度漂移模型并根据模型对光纤陀螺进行补偿,结果表明采用该方法补偿后光纤陀螺在不同温度下的输出标准差降低了60.19%,与传统的BP神经网络相比补偿效果显着提高。(本文来源于《光电工程》期刊2019年09期）
朱明飞,陈兢,方敏[2]（2019）在《基于混合遗传算法与小波神经网络的电机转子断条故障诊断方法》一文中研究指出首先根据内积最大准则,借助于混合遗传算法的优秀的全局搜索性能,准确地估计定子电流中的工频分量的参数,并将其去除,以防止工频分量淹没故障特征分量。其次,运用最优小波包方法分解已经去除工频分量部分的定子电流信号,将其中规律最强的节点能量作为神经网络的输入量。第叁,采用混合遗传算法处理神经网络参数,形成了新方法:改进的神经网络方法。最后通过对一台感应电机的正常、一根断条和两根断条的情况进行了实验,验证了提出的方法的有效性。(本文来源于《农村电气化》期刊2019年06期）
肖桂雨,向健平,凌永志,何嘉平[3]（2019）在《基于小波神经网络的风力发电机故障预测方法》一文中研究指出针对风力发电场风力不可控、风况复杂和数据的非平稳性现状,利用风力发电场SCADA大数据,对风力发电机组进行分析,提出一种基于小波分析和神经网络的智能算法,通过分析风力发电机相关故障信号的特征,实现对风力发电机的故障诊断和预测。最后对大熊山风电场2 MW风力发电机组运行数据进行仿真和分析,仿真结果表明,小波神经网络是一种风力发电机故障诊断和预测的有效方法。(本文来源于《电力科学与技术学报》期刊2019年02期）
岳春玉[4]（2019）在《基于小波-神经网络的电路故障诊断方法的研究》一文中研究指出介绍了一种模拟电路的智能故障诊断方法,通过研究小波算法进行故障特征提取,将其输入到BP神经网络中进行学习和训练,训练后的神经网络能有效的识别电路故障。(本文来源于《电子制作》期刊2019年11期）
李小娜[5]（2019）在《小波神经网络方法研究及其在股指期货预测中的应用》一文中研究指出在国际市场上,股指期货近年来已成为最广泛的风险管理工具,股指期货以股价指数作为标的物在指定日期内进行交易.为避免一些人为可控干扰因素,本文主要分析对象是相对较成熟的上证50股指期货,上证指数由上海证券交易所编制的,并以挂牌上市的所有股票为计算范围,将发行量看作权数综合的一系列指数,股指反映的是股票样本整体的价格变动情况,上证50指代表的是超大型的蓝筹股走势,是股指期货中的重要标的指数,它反映了交易市场的总体走势,因为上证股指是综合多种个股的很多因素而形成的,即使有个股被控制炒作,但通常情况下,只要大部分个股符合市场规律,则上证股指依然可以反映市场规律.所以研究关于上证50的预测方法对于国民经济发展具有重要意义.目前,股指期货的预测方法有很多,随着股指期货市场发展得越来越复杂,通过单一的神经网络的预测技术不足以达到人们的预期效果,小波分析是近30年来发展起来的一个新兴的前沿研究领域,是继Fourier分析后的一个划时代的发展结果,小波技术由于自身特性而可以和神经网络结合在一起进行预测,这样能够让各个性能更加优越,并有效避免了神经网络模型中的不足之处,它的出现为很多领域提供了有效的方法,不仅对数学基础理论,而且对科技界和工程界等方面都起到了深远影响.此外,小波神经网络的研究在最近几年发展得也很快,这种智能综合研究将两种甚至多种方法结合起来,可以将多种方法的优点综合利用,或者可以让它们之间进行互补以形成一种新型的方法.本文研究小波和神经网络以不同形式结合的模型的预测效果,其中神经网络选用BP神经网络,将小波和BP神经网络通过分离式和嵌入式进行结合,并利用上证50进行实证分析比较.首先介绍分离式多小波神经网络,该模型是利用多小波进行了去噪处理,再利用神经网络对去噪信号进行训练学习,其中多小波通过多个小波在不同维度上进行变换,将很多信息可以挖掘出来,它与神经网络相结合使得训练更充分,精确度更高,相对而言网络结构稳定;其次关于嵌入式,本文提出单隐层和双隐层两种类型分别于单小波和双小波进行结合,并比较这四种结构模型的预测效果,这里通过引入多隐层将多小波与双隐层神经网络进行结合,有效的增加预测精度,并提出双隐层网络结构,相应构造了双隐层单小波和多小波网络模型,这种模型结构改变了小波神经网络的学习模式,还可以保留前几种小波神经网络模型的全部优点,此外,在模型优化过程中加入动量因子,以使网络收敛速度较快而且避免求得局部最优解.本文将五种模型通过上证50指数进行实证分析,其中上证50股指选取了256个交易日的数据,文章用上证50指的开盘价、最高价、最低价、成交量、总金额5个指标作为输入来进行分析,通过对股市的综合分析,收盘价是一天多方交战的最后数据,也是第二天开盘价的依据,它能刻画和评估一天的运行走势,所以输出选用收盘价来进行预测.最终试验结果表明,在五种模型中,嵌入式双隐层多小波神经网络预测模型的泛化能力最强,预测效果最好,而且学习速度得到了有效提高,以此对各模型的性能以及优缺点进行比较分析,该模型的提出对股市预测研究起到了很重要的应用研究价值,而且对于促进我国发展市场经济有重要的战略意义.(本文来源于《北京交通大学》期刊2019-06-01）
杨霞[6]（2019）在《一维小波特征结合BP神经网络的虹膜识别方法研究》一文中研究指出如今,随着信息时代的飞速发展,人类社会中越来越离不开身份的识别和认证,对身份认证的便捷性、准确性、安全性、可靠性也提出了更高的要求,在这种需求和计算机技术发展下,虹膜识别技术应运而生,并且在近些年不断发展进步。高效率识别是虹膜识别领域一直追求的目标,也是这个时代对虹膜识别提出的要求。为提高识别速度和保证正确识别率,本文采用径向折迭分块、环向周期分块后进行一维haar小波变换的方式提取低维度的虹膜特征,结合BP神经网络进行模式匹配。本文主要工作包括以下4个方面:(1)在特征提取方面摒弃了传统方法直接对虹膜的增强图像进行某种变换的方式,而是首先对增强图像进行径向折迭划分、环向周期划分,再进行变换,目的是降低虹膜特征维度,同时降低虹膜区域对噪声的敏感性,并且保证虹膜的周期不变性和有效特征不被中和。(2)对分块计算后的图像矩阵进行周期延拓的一维haar小波变换提取高频信息,周期延拓的目的是克服虹膜识别中对人眼旋转的敏感性,而小波变换后的高频部分能很好的保留了信号的细节变化特征。(3)为验证本文提出的分块方法和小波分解特征选取的有效性,本文采用传统的过零检测方式进行特征编码,利用Hamming距计算相似度,分别统计分块与不分块及不同分块、不同小波分解层数的可区分度值作为评价指标。最后得到最优划分方式和最佳分解层数,并计算出此时的正确识别率、错误拒绝率、等错率随阈值变化的曲线及类内、类间分度统计图。(4)为进一步提高虹膜识别正确率,本文在模式匹配阶段引入BP(Back Propagation)神经网络分类方法。采用机器学习中的BP神经网络算法对虹膜特征模板库进行学习,利用训练得到的分类器进行分类,可以避免所有特征点对识别结果都具有相同影响的弊端。本文首先设置BP神经网络的超参数,将虹膜库训练集的haar小波变换后的高频信息直接作为BP神经网络的输入进行训练得到分类器,使用预先划分的测试集测试模型的正确识别率。本文的实验数据在验证特征有效性阶段和验证BP神经网络分类效果阶段使用的数据库是实验室自主研发的吉林大学第四代虹膜库:JLU-4.0;为保证对比结果的可靠性,与其他算法对比时分别使用CASIA-Iris-V3.0的Iris-Interval子库和JLU-4.0虹膜数据库。综上所述,本文提出了一种基于分块的预处理方法,降低图像矩阵的维度,通过周期延拓的小波变换提取特征,最终通过使用BP神经网络解决多分类问题,提高正确识别率。(本文来源于《吉林大学》期刊2019-05-01）
程博[7]（2019）在《基于Richer子波神经网络的入侵事件识别方法》一文中研究指出针对入侵事件中的挖掘事件和人步行事件的识别,文章设计了一种Richer子波神经网络模型,用来识别由挖掘和人步行事件引起的震动信号的种类。实验中一共采用200个样本,其中120个作训练,80个作测试,通过分析网络训练输出数据的降维可视化散点分布,可以得到该模型训练输出的数据具有不同类间间隔大,同类间间隔小的特点,且该模型网络分类识别准确率最高可达96.25%,平均识别准确率约为95%。(本文来源于《无线互联科技》期刊2019年08期）
陈亮,陈丽芳,刘保相[8]（2019）在《一种神经网络改进小波的地震数据随机噪声去除方法》一文中研究指出地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。(本文来源于《地震工程学报》期刊2019年02期）
江帅[9]（2019）在《基于改进小波神经网络的电力系统谐波检测方法研究》一文中研究指出我国生活水平和生产步伐的快速发展使得其对电力的需求呈现逐年上升的趋势,同时对电力系统的稳定性和安全性要求也日益提高。电力系统中大量非线性设备的使用,使电力系统受到谐波的污染。谐波会使电力系统中的电力设备产生额外的损耗,使设备中的线路过热,加速设备与线路的老化,甚至可能引发火灾与事故;还有可能引起电力系统中的谐振,存在烧毁电网中的重要电容、电感的风险;引起继电保护和自动装置的误动作,影响电力系统的稳定性,进而导致人身和设备的巨大损失。因此,为了确保电力系统安全,有必要研究如何快速、准确地检测电力系统中谐波信号。文献调研结果表明,相关研究已经为电力系统谐波检测提供了丰富的手段,但是仍存在未解决的问题,主要包括:(1)小波神经网络收敛速度较慢,网络性能受多个参数的影响。(2)实际电力系统的噪声中脉冲噪声占主要成分;现有谐波检测方法大多对噪声比较敏感,尤其是在环境比较恶劣、信号中噪声成分较多时,易导致谐波检测性能不佳。(3)电力系统中的基波存在波动,会影响谐波检测的精度。本文为解决上述问题选取小波神经网络方法对电力系统谐波检测这一课题开展研究,主要研究内容包括:(1)对小波神经网络方法进行研究,针对小波神经网络的学习算法、结构以及初始参数确定问题进行了优化,改进了小波神经网络的检测精度和收敛性能,为电力系统的谐波检测提供方法支持。(2)针对电力系统中含有脉冲噪声的问题,采用中值滤波进行预处理;对电力系统中的基波波动的问题,采用BP神经网络方法进行电力系统基波的检测,再将检测所得基波值带入谐波检测中。上述结果可为后续谐波检测提供数据支持。(3)为提高谐波检测的性能和抗噪能力,应用改进的小波神经网络方法进行电力系统的谐波检测;并与其他常用谐波检测方法进行比较,仿真结果表明改进小波神经网络在电力系统谐波检测方面具有更好的检测性能和运算效率。通过本文的研究工作,为电力系统谐波检测提供了可行的方法,尤其是在环境比较恶劣、信号受噪声影响较大时,所提方法仍然具有较高的检测精度,有助于研究方法的扩展与应用。(本文来源于《电子科技大学》期刊2019-04-03）
冯蓓[10]（2019）在《基于小波变换和神经网络的心律不齐分类方法研究》一文中研究指出随着心脏病的发病率和死亡率逐年增高,心脏病已经严重威胁到人类身体健康,因而进行长时间的心脏状况监测对于心脏病患者来说显得至关重要。心律不齐是心脏病中较常见的疾病,对于心律不齐的监测也是不可缺少的。心电图(Electrocardiogram,ECG)分析是一种临床上最常见的监测手段,医生要在大量的监测数据中人工检测出病人所患的心脏病类型,会消耗大量的时间和医疗资源。而且当前的心律不齐自动分类算法存在特征不具有生理意义、样本数据少、不能充分利用数据等问题。针对这些问题,本文主要利用较多的心电信号样本数据完成去噪、特征提取、5种心律不齐疾病自动分类等方面的内容。论文主要工作如下:1.针对部分特征值不具有生理意义,不能辅助医生的做出诊断的问题,本文采用了自适应的离散小波变换,将心电信号中具有临床意义的相关心电信号特征都提取出来,构成特征矩阵,从而实现充分利用数据信息,达到较高的分类准确度的目的。2.针对全面特征提取的特征矩阵维度较高、数据样本少的问题,本文提出了采用主成分分析法在特征提取的基础上进行特征降维,将原始的高维特征矩阵转换为低维的特征矩阵,去除冗余信息,达到降低计算量、加快运算速度的目的。3.针对传统神经网络方法分类准确度不高,误差函数收敛速度慢的问题,本文提出的改进Levenberg-Marquardt算法在传统神经网络分类的基础上进行优化,使得改进后的神经网络在分类准确度有明显的提升,能够在MIT-BIH心律不齐数据库下实现常见的5种心律不齐疾病的自动分类,即正常心律、左束支传导阻滞、右束支传导阻滞、室性早搏、房性早搏,并且能够达到98%的准确度;同时,加快了误差函数的收敛速度。(本文来源于《电子科技大学》期刊2019-03-27）
小波神经网络方法论文开题报告
（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：
首先根据内积最大准则,借助于混合遗传算法的优秀的全局搜索性能,准确地估计定子电流中的工频分量的参数,并将其去除,以防止工频分量淹没故障特征分量。其次,运用最优小波包方法分解已经去除工频分量部分的定子电流信号,将其中规律最强的节点能量作为神经网络的输入量。第叁,采用混合遗传算法处理神经网络参数,形成了新方法:改进的神经网络方法。最后通过对一台感应电机的正常、一根断条和两根断条的情况进行了实验,验证了提出的方法的有效性。
（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。
小波神经网络方法论文参考文献
[1].李光耀,侯宏录,杜鹃,李媛.采用小波降噪和神经网络的FOG温度漂移补偿方法[J].光电工程.2019
[2].朱明飞,陈兢,方敏.基于混合遗传算法与小波神经网络的电机转子断条故障诊断方法[J].农村电气化.2019
[3].肖桂雨,向健平,凌永志,何嘉平.基于小波神经网络的风力发电机故障预测方法[J].电力科学与技术学报.2019
[4].岳春玉.基于小波-神经网络的电路故障诊断方法的研究[J].电子制作.2019
[5].李小娜.小波神经网络方法研究及其在股指期货预测中的应用[D].北京交通大学.2019
[6].杨霞.一维小波特征结合BP神经网络的虹膜识别方法研究[D].吉林大学.2019
[7].程博.基于Richer子波神经网络的入侵事件识别方法[J].无线互联科技.2019
[8].陈亮,陈丽芳,刘保相.一种神经网络改进小波的地震数据随机噪声去除方法[J].地震工程学报.2019
[9].江帅.基于改进小波神经网络的电力系统谐波检测方法研究[D].电子科技大学.2019
[10].冯蓓.基于小波变换和神经网络的心律不齐分类方法研究[D].电子科技大学.2019