导读:本文包含了分形盒维数论文开题报告文献综述及选题提纲参考文献，主要关键词:重塑黏土,导热系数,计盒维数
分形盒维数论文文献综述
胡其志,刘璇,程佳会,潘浩川[1]（2019）在《基于计盒维数的黏土导热系数分形研究》一文中研究指出土壤孔隙结构参数是评价土壤导热系数的重要指标,采用DRE-Ⅲ多功能快速导热系数测试仪量测出不同干密度、不同固结压力下黏土的导热系数,对已经量测的试样进行CT扫描,采用MATLAB2016B软件处理得到二值化图形,基于计盒维数的分形理论分析了土壤结构中孔隙数目、面积及孔隙率对黏土导热系数的影响。分析结果表明:随着干密度、固结压力的增大,黏土试样的孔隙率减小,其分形维数也随之减小,利用分形维数变化规律可以得到黏土导热系数随着其分形维数的减少而增大。(本文来源于《湖北工业大学学报》期刊2019年02期）
蔡改贫,宗路,刘鑫,罗小燕[2]（2019）在《基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法》一文中研究指出针对球磨机在磨矿过程中负荷(充填率、料球比)靠经验难以准确判断的问题,提出基于改进的集总平均经验模态分解算法(modified ensemble empirical mode decomposition, MEEMD)-多尺度分形盒维数盒和极限学习机(extreme learning machine,ELM)的负荷识别方法。该方法首先利用MEEMD算法对不同负荷状态下的磨音信号进行分解得到本征模态分量,然后,采用相关系数法选取敏感模态分量进行重构得到降噪后信号;通过分析重构信号的多尺度分形盒维数,结果表明,欠负荷、正常负荷和过负荷状态下的多尺度分形盒维数存在明显的差异,能够很好地区分磨机的不同负荷状态。将重构磨音信号的多尺度分形盒维数作为极限学习机(ELM)的输入,磨机负荷状态为输出,建立磨机负荷识别模型;通过磨矿实验验证了该方法的有效性,整体识别率高达94.8%,模型能够准确识别磨机负荷状态。(本文来源于《化工学报》期刊2019年02期）
李洪伟[3]（2018）在《基于探地雷达波分形盒维数确定填土含水率的研究》一文中研究指出交通运输已经成为我国社会经济的支柱产业之一,不断提高公路建设能力愈发重要。路基作为公路的重要构筑物,直接影响公路的质量、安全和使用寿命。含水率作为影响路基质量的重要指标,具有极大的研究意义。含水率作为描述土壤特性的一个重要参数,与路基的压实度有着紧密联系。快速准确的测定含水率对保证工程的有效进度至关重要。针对传统含水率测定方法的不足,本文引入分形盒维数对探地雷达波进行研究,通过COMSOL Multiphusics有限元软件模拟探地雷达波在砂土中的传播过程,对模拟波形进行分形盒维数计算分析,利用Origin软件计算砂土含水率与雷达波分形盒维数相关系数r,进而拟合二者函数关系式,同时利用烘干法测定砂土含水率,并与拟合公式得出的砂土含水率进行对比分析。本文主要有以下结论:第一,对地震波分形盒维数计算模型进行改进,建立了探地雷达波分形盒维数的计算模型。第二,通过COMSOL Multiphusics有限元软件,结合探地雷达波分形盒维数计算模型,验证了雷达波分形盒维数与砂土含水率具有较强相关性,并利用Origin软件拟合出了二者的函数关系式。第叁,通过筛分实验确定砂土为细砂土,共设计了5组试验,通过烘干法测得5组含水率,与拟合公式计算出的含水率进行对比验证,最大误差为4.83%,证明了公式的可行性。该公式对利用探地雷达波分形盒维数确定细砂土含水率研究有参考价值,对相应工程有一定的应用价值。(本文来源于《河北大学》期刊2018-06-01）
孔庆鸽[4]（2018）在《分形插值函数的盒维数及应用》一文中研究指出本文主要包括两方面的工作.1.双线性分形插值曲面的盒维数.在2015年,Barnsley和Massopust构建了一维双线性分形插值函数,并且在特定条件下求得它们图像的盒维数.阮火军和许强在20]5年给出了在矩形网格上构造双线性分形插值曲面的方法.但是在这篇论文中,没有给出双线性分形插值曲面的盒维数.在2016年,张晟利用Barnsley和Massopust的方法,在极为特殊的情形下,得到了双线性分形插值曲面的盒维数.本文通过借鉴Falconer发表于1990年的经典专着中的方法,以及阮火军、苏维宜、姚奎发表于2009的论文中的方法,通过估计函数在小区域的振幅之和,得到在较为一般的情形下,双线性分形插值曲面的盒维数.此方法比Barnsley和Massopust的证明方法更为简便直接,而且本质上,可以对于一维等距分割的分形插值函数的盒维数公式,给出更为简洁的证明.2.分形插值函数的应用.2002年Kantelhardt等人引入了多重分形消除趋势分析法(MFDFA).本文改进了 MFDFA方法,并且研究了非稳定时间序列的特性,探索了复杂系统的多重分形特性.首先本文引进了基于双线性分形插值函数的多重分形消除趋势分析法,并探索金属玻璃中的多重分形特性.其次本文引进了基于递归分形插值函数的多重分形消除趋势分析法,并且探索黄金价格中的长程自相关关系和多重分形特性.最后我们基于Olsen的混合多重分形理论,将上述我们所引进的两种方法中使用的多重分形消除趋势分析法拓展为混合多重分形分析,以此研究两组时间序列之间的相关关系,并且分析可能影响黄金价格的主要因素.(本文来源于《浙江大学》期刊2018-04-10）
陈坚,陈红,蔡晓霞,翁鹏飞[5]（2017）在《基于Myriad预处理和分形盒维数的信号检测方法》一文中研究指出随着信道环境的日益复杂化,实际应用中遇到了很多非高斯噪声信号,此类过程具有显着的脉冲特性,其统计特性严重偏离高斯分布,传统的通信信号检测方法不再适用。为此,重点研究了在Alpha稳定分布噪声背景下的通信信号检测方法。首先,介绍了Alpha稳定分布的基本理论。其次,分析并验证了在Alpha稳定分布噪声背景下,传统信号检测方法失效的原因。最后,提出了分形盒维数的概念,针对Myriad滤波预处理后的信号,基于分形盒维数实现了通信信号的检测,仿真结果表明,此方法在Alpha稳定分布噪声背景下能够有效地实现信号的检测,具有良好的性能。(本文来源于《电子信息对抗技术》期刊2017年06期）
张文景[6]（2016）在《递归分形插值曲面的变差与盒维数》一文中研究指出盒维数是刻画分形图形粗糙程度的重要参数,而变差可以描述函数图象在不同尺度下的粗糙程度,本文运用变差研究了分形插值曲面的盒维数.为了得到矩形区域上一般的二元递归分形插值函数(RFIF)变差的性质,考虑运用关联矩阵来处理RFIF中复杂的映射关系,从而给出其变差估计.结合特征值与特征向量的关系,通过递推关系进一步得到了二元递归分形插值函数变差阶的估计.然后根据连续函数的变差与图象的盒维数之间的关系,得到了一般形式的递归分形插值曲面(RFIS)的盒维数定理.最后,给出RFIS盒维数计算的实例以及图象模拟.本文共分为五章.第一章简要分析了本文研究的背景、国内外发展现状,并扼要地阐述了本文研究的主要内容和创新点.第二章回顾了分形理论的基础知识,首先介绍了关于盒维数的概念,然后回顾了迭代函数系(IFS)、分形插值函数(FIF)的定义和维数的相关知识,最后简要说明更一般的递归迭代函数系(RIFS)、一元RFIF的定义和维数定理.第叁章主要介绍了一元、二元连续函数变差的相关性质.首先给出振幅、变差的概念及其性质,在FIF和一元RFIF变差性质的基础上,通过引入关联矩阵,证明了二元RFIF变差的性质,并给出变差估计.第四章首先介绍非负矩阵、有向图、强连通分支等预备知识,并给出了分形几何维数计算中广泛应用的Perron-Frobenius定理.接下来在引入关联矩阵的条件下,得到了二元RFIF变差阶的估计.然后根据连续函数的变差与函数图象的盒维数关系,给出了RFIS的盒维数计算公式并进行了严格的证明,最后在实例中应用维数公式计算了矩形区域上RFIS的盒维数并给出该函数的模拟图象.第五章是总结与展望.首先总结本文研究的主要内容,并结合研究内容对本课题的进一步研究提出一些展望.(本文来源于《江苏大学》期刊2016-06-01）
张肖,李林,胡红利[7]（2016）在《基于EEMD与分形盒维数的气固两相流流型识别》一文中研究指出针对气固两相流气力输送管道中测控装置后常见的几种过渡流型,如层流、环流与核心流,文中通过静电传感器获取静电波动信号,利用总体经验模式分解和分形盒维数相结合的方法进行流型识别。首先使用总体经验模式分解对不同流型的静电信号进行自适应分解从而获得位于不同频段的本征模式函数,然后利用分形技术对所分解的IMF求取盒维数,并将其作为特征量。最后通过提取的特征量对BP神经网络进行训练和测试从而识别流型。实验结果表明,该方法能够有效识别气固两相流流型,识别率达94%。(本文来源于《西北大学学报(自然科学版)》期刊2016年02期）
何振娟,王录全,彭小明,庾正伟,冷茂林[8]（2016）在《分形理论盒维数与第二相颗粒相体积的关系研究》一文中研究指出本文采用分形理论中的盒维数法开展了复合材料中第二相颗粒分布均匀性评价研究,理论计算了两种颗粒分布情况下(颗粒均匀分布、横向与纵向的颗粒间距比为1.5的分布)盒维数值与第二相颗粒相体积的关系。结果表明:两种分布情况下,不论第二相颗粒相体积值高或低,每种分布的盒维数均为同一值,但两种分布的盒维数值不相同,这说明盒维数法可评价出第二相颗粒的分布均匀性,与其相体积无关;且研究表明分形方程中的ln K与相体积的对数呈线性关系;第二相颗粒相体积相同时,横向与纵向颗粒间距比为1.5分布时的ln K与颗粒均匀分布时的ln K也呈线性关系。(本文来源于《粉末冶金技术》期刊2016年01期）
胡道达,马振利,石文凯[9]（2015）在《基于分形盒维数的油膜涡动与油膜振荡轴心轨迹分析》一文中研究指出在转子实验台上进行实验,模拟滑动轴承正常、共振、油膜涡动、油膜振荡4种工作状态。根据信号的分形特征,对4种状态的50组实验数据进行分形盒维数处理。结果表明:正常运行和共振工作状态的轴心轨迹为椭圆或圆形,其对应的盒维数值分别在1.032 7~1.193 8和1.101 1~1.174 0范围内波动,二者的盒维数值区分度不明显;油膜涡动和油膜振荡轴心轨迹分别为大圆套小圆和不规则紊乱形状,其对应的分形盒维数值分别在1.220 3~1.350 5和1.380 4~1.541 7范围内波动,二者区分度较明显。因此,可以用分形盒维数作为油膜涡动与油膜振荡的故障特征量,通过划分盒维数值区间来准确识别故障状态。(本文来源于《重庆理工大学学报(自然科学)》期刊2015年11期）
王志,栾忠权,王少红,马超[10]（2015）在《基于分形盒维数的双跨轴承转子系统故障诊断方法研究》一文中研究指出以双跨轴承转子系统为研究对象,针对其状态监测与故障诊断中存在的问题,利用分形盒维数的方法对系统进行分析。通过提取试验台振动信号并计算其分形盒维数实现对系统的故障诊断。结果表明,不同工作状态下的盒维数各不相同,不平衡故障的盒维数最大,碰摩故障的盒维数次之,正常运转时的盒维数最小,盒维数随着计算网格数的增加而减小。该系统以分形盒维数为特征兆量,能够快速准确地对双跨轴承转子系统进行状态监测与故障诊断,具有一定的应用价值。(本文来源于《机床与液压》期刊2015年17期）
分形盒维数论文开题报告
（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：
针对球磨机在磨矿过程中负荷(充填率、料球比)靠经验难以准确判断的问题,提出基于改进的集总平均经验模态分解算法(modified ensemble empirical mode decomposition, MEEMD)-多尺度分形盒维数盒和极限学习机(extreme learning machine,ELM)的负荷识别方法。该方法首先利用MEEMD算法对不同负荷状态下的磨音信号进行分解得到本征模态分量,然后,采用相关系数法选取敏感模态分量进行重构得到降噪后信号;通过分析重构信号的多尺度分形盒维数,结果表明,欠负荷、正常负荷和过负荷状态下的多尺度分形盒维数存在明显的差异,能够很好地区分磨机的不同负荷状态。将重构磨音信号的多尺度分形盒维数作为极限学习机(ELM)的输入,磨机负荷状态为输出,建立磨机负荷识别模型;通过磨矿实验验证了该方法的有效性,整体识别率高达94.8%,模型能够准确识别磨机负荷状态。
（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。
分形盒维数论文参考文献
[1].胡其志,刘璇,程佳会,潘浩川.基于计盒维数的黏土导热系数分形研究[J].湖北工业大学学报.2019
[2].蔡改贫,宗路,刘鑫,罗小燕.基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法[J].化工学报.2019
[3].李洪伟.基于探地雷达波分形盒维数确定填土含水率的研究[D].河北大学.2018
[4].孔庆鸽.分形插值函数的盒维数及应用[D].浙江大学.2018
[5].陈坚,陈红,蔡晓霞,翁鹏飞.基于Myriad预处理和分形盒维数的信号检测方法[J].电子信息对抗技术.2017
[6].张文景.递归分形插值曲面的变差与盒维数[D].江苏大学.2016
[7].张肖,李林,胡红利.基于EEMD与分形盒维数的气固两相流流型识别[J].西北大学学报(自然科学版).2016
[8].何振娟,王录全,彭小明,庾正伟,冷茂林.分形理论盒维数与第二相颗粒相体积的关系研究[J].粉末冶金技术.2016
[9].胡道达,马振利,石文凯.基于分形盒维数的油膜涡动与油膜振荡轴心轨迹分析[J].重庆理工大学学报(自然科学).2015
[10].王志,栾忠权,王少红,马超.基于分形盒维数的双跨轴承转子系统故障诊断方法研究[J].机床与液压.2015