导读:本文包含了定量递归分析论文开题报告文献综述及选题提纲参考文献，主要关键词:有载分接开关,振动信号,递归信号指标,递归图
定量递归分析论文文献综述
樊家昊,王丰华,郑一鸣,何文林[1]（2019）在《基于递归定量分析的有载分接开关机械状态监测》一文中研究指出为进一步提高有载分接开关(on-load tap changer,OLTC)机械状态监测的准确性,文中基于递归定量分析(recurrence quantification analysis,RQA)法对OLTC切换过程中的振动信号进行了分析。首先应用相空间重构和递归图理论获取了OLTC切换过程中振动信号的递归图,然后引入递归率、层流性和确定性等递归定量指标及其统计分布结果对OLTC振动信号的动力学特征进行了描述。对某CM型组合式OLTC正常与典型故障下振动信号的分析结果表明:OLTC从正常到典型机械故障的演变过程中,振动信号伴随有周期性减弱、预测性增强、平稳性提高的变化特性,所定义的振动信号的RQA指标的分布范围可较为准确地判断OLTC的运行状态。研究结果可为基于振动分析法的OLTC机械状态监测技术提供参考。(本文来源于《高压电器》期刊2019年11期）
王喆,杨辰龙,周晓军,滕国阳[2]（2019）在《基于超声背散射信号递归定量分析的CFRP局部孔隙缺陷识别方法》一文中研究指出以碳纤维复合材料(Carbon Fiber Reinforced Plastics, CFRP)的超声背散射信号为研究对象,创新性地提出运用递归定量分析(Recursive Quantitative Analysis,RQA)方法获得其信号特征,实现对材料局部孔隙缺陷的识别及评估。首先,对含有孔隙率为0.2%～5.92%的标准试块的超声背散射信号分别进行递归图分析和递归定量分析。结果表明,不同孔隙率试块所对应的递归图特征表现出明显差异,同时,RQA的特征量参数——递归率与递归熵均随孔隙率的增大而增大。然后,运用RQA方法对某未知孔隙率试块进行局部孔隙缺陷评估,基于上述结论,识别得到该试块中最有可能含有局部孔隙缺陷的区域。最后,剖开该未知孔隙率试块作微观形貌观察实验,实验发现该试块实际孔隙缺陷区域与RQA识别得到的结果相同,从而验证了递归定量分析方法用于CFRP局部孔隙缺陷识别的有效性。(本文来源于《振动与冲击》期刊2019年21期）
姜万录,李振宝,张生,雷亚飞,王浩楠[3]（2019）在《基于递归定量分析的液压泵故障识别方法》一文中研究指出提出了一种局部投影消噪和递归定量分析相结合的轴向柱塞泵故障识别方法。以轴向柱塞泵故障振动信号为研究对象,首先用局部投影消噪方法对振动信号进行消噪;其次对消噪后的振动信号绘制递归图,进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取,选择确定率(DET)和递归熵(ENTR) 2个特征构成特征向量,构成故障特征样本;然后通过核模糊C均值聚类(KFCMC)方法对训练样本进行聚类,进而依据最小欧氏距离准则对测试样本进行故障识别;最后,将递归定量分析方法和相空间复杂网络定量特征方法进行对比。结果表明,基于递归定量分析的轴向柱塞泵故障识别方法具有更高的故障确诊率。(本文来源于《液压与气动》期刊2019年02期）
李世丹,朱晓军[4]（2019）在《基于递归定量分析的视听脑电应用研究》一文中研究指出视听觉整合的脑电信号研究丰富了脑认知领域的内容,但是现有的脑电信号分析方法大部分是基于线性的分析方法,同时对数据的信噪比要求较高。而基于相空间重构的排序递归图的递归定量分析方法对被测信号的噪声要求较低,并且是基于非线性的分析方法,为视听觉整合的研究提供了新的分析方法。设计不同视听刺激范式的实验,采集被试在不同刺激范式下的脑电数据。对预处理后的数据进行相空间重构,得到排序递归图。以递归率和确定性作为整合效果的分析参数。实验结果表明,该方法可以有效地从非线性角度分析视听觉整合效果,具有较高的准确性。(本文来源于《计算机工程与应用》期刊2019年09期）
张娜,李可[5]（2018）在《基于定量递归分析的肌肉协同性研究》一文中研究指出目的肌肉协同被认为是中枢神经系统进行运动控制的最小受控单位,探究在不同等级握力状态下手部及前臂部肌肉表面肌电信号(sEMG)的协同性,可以体现相应肌群的协调耦合关系,从而揭示神经系统运动控制策略下肌肉相互配合产生运动的机制。方法 实验招募了24名健康受试者(男女均半,20～26岁)进行最大自主收缩力(MVC),以及30%、50%和70%MVC的测试,采集动作时拇短展肌、第1骨间背侧肌、小指展肌、指浅屈肌、桡侧腕屈肌、尺侧腕屈肌、指总伸肌、肱桡肌等8块肌肉的sEMG信号,引入定量递归分析(RQA)方法定性及定量地分(本文来源于《第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编》期刊2018-08-17）
李世丹[6]（2018）在《递归定量分析在视听脑电信号中的应用研究》一文中研究指出大脑作为人体最复杂的器官,具有强大的功能。通过脑科学的研究可以认识大脑,揭秘脑功能的本质并对相关脑疾病进行诊断、治疗及预防;同时可以通过人工智能创造大脑从而激发大脑的潜在功能。在人类通过多感官通道的信息整合认识世界的过程中,视觉与听觉作为最重要的两个感官通道,其整合效应的研究对人类了解自身、诊断及修复功能障碍有着重要的意义。同时,多感官的整合为人工智能的进一步发展提供可能。为此,本文采用基于排序递归图的递归定量分析对视听脑电信号进行了特征提取并分析了两者的整合效应。主要工作研究如下:首先,针对研究的课题,综合概述了国内外的相关研究,分析了脑电信号的产生,特点及分类,并详细介绍了脑电信号预处理的几种常用方法及脑电信号分析几大类方法。其次,详细介绍时频分析中经典的小波变换方法及非线性分析中排序递归图的递归定量分析方法。对排序递归图中符号化的各空间状态存储做出理论性变更,节省了数据处理的时间及存储空间。为进一步分析两种方法,分别采用这两种方法对正常与酗酒两组被试脑电数据特征提取,通过SVM对两组被试特征采用留一交叉验证法进行分类,根据灵敏度、特异性、正确率综合比较两种方法在特征分类中的优劣,验证了非线性分析方法中排序递归图的RQA对脑电信号的特征提取具有可行性及有效性。最后,通过设计实验、脑电数据采集、脑电信号预处理,对视听任务刺激范式下的脑电信号采用排序递归图的方式显示其相空间,并通过量化参数对其变化定量分析。结果表明,视听感官通道在信息整合的过程中有增强与阻碍的作用,不同的外界刺激带来不一样的整合效果。(本文来源于《太原理工大学》期刊2018-06-01）
李才隆,叶宁,黄海平,王汝传[7]（2018）在《基于递归定量分析的生理信号情感识别》一文中研究指出基于常规统计的人体生理信号特征提取应用广泛,然而基于常规统计特征的方法在分类识别效果上并不理想。为了解决这类问题,在研究人体生理信号的基础上,提出了一种基于递归图和递归定量分析相结合的方法,提取了生理信号在递归图中的递归率、确定率、对角线结构长度等特征。采用神经网络(neural network,NN)、K最近邻(K nearest neighbor,KNN)、朴素贝叶斯(naive Bayesian,NB)、决策树(decision tree,DT)算法进行情感识别。实验结果表明,递归图中的特征是一组非常有效的特征。相对于传统的统计特征提取,非线性特征提取方法提取的特征更少,但是在情感分类识别效果上优于统计特征提取的方法。所采用的方法改进了传统特征提取数目庞大、效果不理想的问题,较好地实现了基于人体生理信号的情感识别。(本文来源于《计算机技术与发展》期刊2018年11期）
范珍艳,庄晓东,孙桂琪[8]（2018）在《单音素语音信号的递归定量分析》一文中研究指出本文提出了采用递归图和递归定量分析的方法分析单音素语音信号的不同特征。首先采用C_C方法计算得到合适的嵌入维数和延迟时间,并采用相空间重构方法将一维时间序列扩展到高维相空间中,获得时间序列在高维相空间中邻近点的运动特点。然后构建了单音素语音信号的递归图,可以直观定性的分析单音素语音信号的不同特征。并采用递归定量分析(RQA)方法计算不同单音素语音信号的非线性特征量—递归率,递归熵,确定率,分层度等,定量地分析不同的单音素语音信号的特征。(本文来源于《电子元器件与信息技术》期刊2018年05期）
何晓晨[9]（2018）在《超声背散射信号递归定量分析无损表征CFRP孔隙率研究》一文中研究指出目前常用超声衰减法分析底面回波信号,实现碳纤维增强树脂基复合材料(Carbon Fibre Reinforced Plastics,CFRP)孔隙率表征。当孔隙率较高、存在大尺寸孔隙或孔隙严重偏聚时,底面回波信号降低,该方法表征效果不佳。孔隙散射引起的超声背散射信号持续存在,从本质上可认为是由n个质点组成的非线性动力学系统。本文引入一种非线性动力学系统的分析方法——递归定量分析(Recurrence Quantification Analysis,RQA)方法处理超声背散射信号,开展CFRP孔隙率表征研究。在明确RQA基本参数选取方法和量化指标意义的基础上,对孔隙率范围0.2%~5.1%的含孔隙CFRP模型进行仿真计算,获得量化指标递归度RR与孔隙率P之间的相关关系。由于孔隙形貌在一定程度上影响孔隙率表征结果,进而给出RR与孔隙形貌特征(孔隙尺寸和位置分布)之间的联系,并利用孔隙率范围0.6%~4.2%的CFRP层板进行实验验证。主要研究内容如下:1.针对厚度3 mm,3.6 mm和4 mm的CFRP层板中61个采样点,使用接触式脉冲反射法采集超声信号。借助金相法获得CFRP金相照片后统计孔隙率,利用孔隙平均宽度W_(mean)、最大孔隙宽度W_(max)定量描述孔隙尺寸这一形貌特征。2.针对孔隙率范围0.2%~3.6%的CFRP模型仿真计算得到的超声检测信号,采用超声背散射信号最大幅值A_2和样品上表面回波信号幅值A_1之比k定量描述超声背散射信号幅值变化。利用RQA方法分析超声背散射信号,得到可描述信号幅值变化的递归图(Recurrence Plot,RP)。观察RP图中均匀结构、周期结构、对角线段、水平/垂直线段等特征结构,确定适合采用RQA方法分析的超声背散射信号特征。3.建立孔隙率范围0.7%~5.1%的规则球形孔隙CFRP模型,采用RQA方法分析仿真计算得到的超声背散射信号获得P与RR之间呈单调递减关系。在已有模型基础上,建立2组仅孔隙位置分布不同的模型,对比RQA方法分析结果:孔隙位置分布相同时,RR随孔隙直径D增加而下降;孔隙尺寸相同时,RR与孔隙中心间距d呈反比关系。4.基于孔隙率范围0.6%~4.2%的真实形貌孔隙模型(Real Morphology Void Model,RMVM),仿真结果显示RR随P增加而减小;采用分形维数F定量描述孔隙位置分布,发现相同P时RR_(min)对应模型F和W_(mean)最小而W_(max)最大,说明该模型中孔隙位置分布和尺寸等形貌最为异常。基于孔隙率范围0.6%~4.2%的CFRP层板验证了RMVM仿真结果的有效性。利用P-RR散点图中上下限拟合线的欧氏距离ED归一化结果度量RR表征P的准确性,同超声衰减系数?相比,结果表明P较低时ED_(RR)高于ED_?,?表征P准确性较高,随P增加,RR表征效果更好。(本文来源于《大连理工大学》期刊2018-05-01）
严皓[10]（2018）在《广义递归定量分析及其在齿轮故障诊断中的应用》一文中研究指出递归图是一种通过二值图像定性地刻画时间序列递归特性的经典方法。递归定量分析(Recurrence Quantification Analysis,RQA)通过提取递归图中递归点的分布统计规律对递归图进行定量研究。但传统的递归定量分析仅对递归点水平、垂直及对角方向的分布规律进行提取,未对递归图的整体及局部特征进行描述。为此,本文提出基于主奇异值率与局部细节谱的广义递归定量分析方法。主奇异值率(Principal Singular Value Proportion,PSVP)用于刻画整体递归图中核心部分的信息量,局部细节谱(Local Detail Spectrum,LDS)用于刻画递归图中有限区间内递归点局部分布规律。本文将广义递归定量分析用于齿轮故障诊断,实验证明,与传统递归定量分析相比,广义递归定量对于齿轮信号的分类识别率更高、可靠性更强。(本文来源于《武汉科技大学》期刊2018-05-01）
定量递归分析论文开题报告
（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：
以碳纤维复合材料(Carbon Fiber Reinforced Plastics, CFRP)的超声背散射信号为研究对象,创新性地提出运用递归定量分析(Recursive Quantitative Analysis,RQA)方法获得其信号特征,实现对材料局部孔隙缺陷的识别及评估。首先,对含有孔隙率为0.2%～5.92%的标准试块的超声背散射信号分别进行递归图分析和递归定量分析。结果表明,不同孔隙率试块所对应的递归图特征表现出明显差异,同时,RQA的特征量参数——递归率与递归熵均随孔隙率的增大而增大。然后,运用RQA方法对某未知孔隙率试块进行局部孔隙缺陷评估,基于上述结论,识别得到该试块中最有可能含有局部孔隙缺陷的区域。最后,剖开该未知孔隙率试块作微观形貌观察实验,实验发现该试块实际孔隙缺陷区域与RQA识别得到的结果相同,从而验证了递归定量分析方法用于CFRP局部孔隙缺陷识别的有效性。
（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。
定量递归分析论文参考文献
[1].樊家昊,王丰华,郑一鸣,何文林.基于递归定量分析的有载分接开关机械状态监测[J].高压电器.2019
[2].王喆,杨辰龙,周晓军,滕国阳.基于超声背散射信号递归定量分析的CFRP局部孔隙缺陷识别方法[J].振动与冲击.2019
[3].姜万录,李振宝,张生,雷亚飞,王浩楠.基于递归定量分析的液压泵故障识别方法[J].液压与气动.2019
[4].李世丹,朱晓军.基于递归定量分析的视听脑电应用研究[J].计算机工程与应用.2019
[5].张娜,李可.基于定量递归分析的肌肉协同性研究[C].第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编.2018
[6].李世丹.递归定量分析在视听脑电信号中的应用研究[D].太原理工大学.2018
[7].李才隆,叶宁,黄海平,王汝传.基于递归定量分析的生理信号情感识别[J].计算机技术与发展.2018
[8].范珍艳,庄晓东,孙桂琪.单音素语音信号的递归定量分析[J].电子元器件与信息技术.2018
[9].何晓晨.超声背散射信号递归定量分析无损表征CFRP孔隙率研究[D].大连理工大学.2018
[10].严皓.广义递归定量分析及其在齿轮故障诊断中的应用[D].武汉科技大学.2018