导读:本文包含了振荡序列论文开题报告文献综述及选题提纲参考文献，主要关键词:灰色系统,灰色预测模型,振荡序列,GM(1,1|sin)幂模型
振荡序列论文文献综述
曾亮[1]（2019）在《基于振荡序列的灰色GM(1,1|sin）幂模型及其应用》一文中研究指出针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。(本文来源于《浙江大学学报(理学版)》期刊2019年06期）
刘庆龙,薛禹胜,陈国平[2]（2019）在《基于轨迹模式空间解耦及模式能量序列的振荡分析(叁)时变性分辨率从摆次细化到时间断面》一文中研究指出系列文章的前两篇以振荡模式的空间解耦代替频域解耦,并通过互补群模式的摆次能量演化来反映复杂振荡行为的特征。由于其对时变性的分辨率较低,也不利于讨论多模式之间的交互作用,故文中提出在每个积分步末端所对应的时间断面处,按实际变量值重新冻结映象系统的非哈密顿因素,按虚构的哈密顿系统来估计该断面后的不平衡功率—转角的曲线。进而评估各互补群模式的振荡总能量(或其裕度)的时间序列,将轨迹振荡能量序列分析方法的时间分辨率从按模式摆次细化为按积分步长,更好地反映振荡的局部时变性。针对分别计及调速器或计及机械功率周期性扰动的两个算例,揭示了系统"反常"振荡行为的机理。(本文来源于《电力系统自动化》期刊2019年14期）
刘庆龙,薛禹胜,陈国平[3]（2019）在《基于轨迹模式空间解耦及模式能量序列的振荡分析(二)算法及应用》一文中研究指出基于状态空间中的模式解耦,及在时域中按其摆次分段,分析振荡能量的时序演化特性。利用互补群惯量中心—相对运动(CCCOI-RM)保稳变换,将非简谐振荡的多机轨迹严格映射为一系列映象上的时变单机系统轨迹,并通过后者在逐次摆动期间振荡能量的演变来刻画原多机系统的振荡行为,在时变单机映象系统的外力—位置平面上分析振荡能量的时空转换,量化其非保守性。文中分别以映象系统轨迹上的动态中心点(DCP)处的动能,及最远点(FEP)处的势能来反映该模式在过去半摆中的振荡总能量;以两者组成的能量序列反映该空间振荡模式的时变性。通过理论分析及数值仿真证实:在描述哈密顿单机系统振荡行为时,轨迹摆次能量序列与特征根分析完全一致,而在分析非哈密顿的单机系统或一般的多机系统时,轨迹摆次能量序列可以克服平衡点特征根的众多缺陷。(本文来源于《电力系统自动化》期刊2019年13期）
刘庆龙,薛禹胜,陈国平[4]（2019）在《基于轨迹模式空间解耦及模式能量序列的振荡分析 (一)理论基础》一文中研究指出针对电力系统振荡行为的分析,揭示互补群群际能量观点与特征频率正弦幅值观点的异同,严格证明两者在哈密顿单机无穷大系统中的一致性。但非线性因素则可能在线性化分析中引入大误差,而时变因素及饱和等本质非线性因素还可能使平衡点特征根方法完全失效。为了克服这些困难,从实际受扰轨迹的互补群群际能量的观点出发,描述了复杂受扰系统的振荡特性。多机系统轨迹可以通过互补群惯量中心—相对运动(CCCOI-RM)变换,严格映射为一系列时变单机映象轨迹,并通过各映象系统的振荡能量反映原多机系统的振荡行为,包括多频率的时变非线性振荡。(本文来源于《电力系统自动化》期刊2019年12期）
王笑蕾,张勤,张双成[5]（2018）在《基于EMD和WD联合算法的GPS水汽时间序列的周期性振荡分析》一文中研究指出水汽在全球水文和气候变化上扮演着非常重要的角色。选取了中国台湾GPS水汽时间序列作为算例数据,分析了水汽与地理环境的对应关系,得到中国台湾地区的大气水汽分布主要受纬度,地形特征和气候条件控制的结论。利用经验模态分解(EMD)和小波分解(WD)联合算法将中国台湾GPS站水汽的长时间序列和短时间序列进行分解,探测出每个GPS站都存在周年、半周年、天、半天的周期振荡,再结合地理、气候因素分析周期振荡产生的物理原因,得出结论:年周期的水汽振荡主要是由于在中国台湾特殊地形条件下年季风周期变化引起的;半周年的振荡主要是由于夏季风与冬季风对中国台湾地区的交替控制所导致的;而导致水汽日变化的原因则是海陆风环流、海陆风-山谷风迭加环流;天顶可降水量(PWV)半日振荡的振幅较小,则主要是因为受到了太阳辐射加热引起的局地热对流的影响所导致。(本文来源于《武汉大学学报(信息科学版)》期刊2018年04期）
黎宁昊[6]（2017）在《脉冲序列控制开关DC-DC变换器低频振荡抑制方法研究》一文中研究指出脉冲序列(pulse train,PT)控制是一种开关DC-DC变换器的离散控制技术,它根据输出电压与参考电压的比较结果,采用高低功率脉冲的不同组合形式,实现对开关DC-DC变换器输出电压的控制。当开关DC-DC变换器工作于CCM时,如果输出电容的等效串联电阻(equivalent series resistance,ESR)较小,电容两端电压与电感电流存在相位差,使得变换器输出电压无法严格按照高低功率脉冲的组合动态调节,出现低频振荡现象。该现象出现时,变换器输出电压波形呈波动状,严重影响变换器的稳态性能。目前,对于低频振荡的解决方法可分为叁类,分别为增大输出电容的等效串联电阻、改进控制方法和改变电路结构。这叁种方法本质上都是通过减小电容电压和电感电流的相位差。电容电流脉冲序列(capacitor current pulse train,CC-PT)控制技术可以有效的解决某些工作场合下的变换器输出电压低频振荡现象,但当占空比大于0.5时,变换器仍会出现低频振荡。本文在深入分析CC-PT控制CCM Buck变换器输出电压低频振荡产生机理的基础上,改进其控制得到滞环电容电流脉冲序列(hysteretic capacitor current pulse train,HCC-PT)控制技术,有效抑制占空比大于0.5时CC-PT控制Buck变换器的低频振荡现象。阐述了 HCC-PT控制Buck变换器抑制低频振荡的原理,分析了其能量模型及工作特性。本文在分析PT控制DCM Buck变换器不会产生低频振荡的原理基础上,改变了Buck变换器的电路结构,使其工作于PCCM模式,通过采电容电流将PT控制应用到PCCM Buck变换器。搭建了电容电流型PT控制PCCM Buck变换器的实验平台,实验结果表明,该方法不仅抑制了低频振荡现象,同时具有良好的瞬态性能。针对离散移相(discrete phase shifted,DPS)控制全桥变换器仍然存在的低频振荡问题,本文建立PT控制Buck型开关变换器通用等效电路模型,并将电容电流型PT控制PCCM变换器推广到PCCM全桥变换器。该方法表明电容电流型PCCM开关变换器可以有效抑制低频振荡现象,并具有较好的可移植性。(本文来源于《西南交通大学》期刊2017-04-01）
宁艳艳,郑春华[7]（2016）在《基于振荡序列的黄金价格动态建模及预测》一文中研究指出对黄金价格预测时常采用大样本数据建模方法,该方法首先对数据进行统计分析,找到数据内在统计特征,再寻求符合该特征的模型;但该方法在数据统计分析时受到统计手段和方法的约束,数据本身的内在特征往往不能充分反映,因此模型的选择受到限制。针对黄金价格数据不具有趋势性变化的特征,利用灰色GM(1,1)系统建模理论、数据驱动建模原理及振荡序列的数据处理方法,建立了基于振荡序列的黄金价格动态预测模型。该模型不仅对黄金价格数据自身存在的振荡性进行了处理,避免了数据大波动,同时利用动态数据驱动方法不断更新数据,提高了预测精度。(本文来源于《黄金》期刊2016年04期）
余介夫[8]（2016）在《基于ICM振荡时间序列和支持向量机的人脸识别》一文中研究指出人脸识别作为生物特征识别的一个重要方面,在各领域得到广泛应用,但由于受环境、光照、角度等因素的影响,导致特征不明显,难以有效提取,如何有效实现特征提取和准确进行特征分类已成为目前一个热点研究课题。ICM模型具有构造简单、运行速度快和不需要提前进行学习等独特优势,非常适用于图像处理,其振荡时间序列用于图像特征提取具有平移不变形、缩放不变形和旋转不变形等特性；而SVM则是一种泛化能力很强,能够较好地解决非线性、高维数等问题的分类器。因此,本文综合两种方法的优势,提出了基于ICM模型振荡时间序列的特征提取和支持向量机相结合的算法。本文首先简要叙述了ICM模型的工作原理和基本特性,对其动力学特性进行了详细的公式推导,探讨了自激励发放周期及捕获期的特点。然后,根据ICM神经元的脉冲同步发放特性,分析了振荡时间序列的几何不变特性,将其应用于人脸识别方面的研究,提出基于ICM振荡时间序列的特征提取方法。最后,对支持向量机的核函数及分类器构造的选择进行详细分析,并选择出最优的一对一的线性核函数分类器对人脸特征进行分类。在ORL人脸数据库中,将常用的子空间方法分别与不同的分类器进行实验,得到各自最优组合,并与本文提出的基于ICM的振荡时间序列与支持向量机结合的方法进行对比分析。实验仿真表明：本文提出的方法与其他子空间方法相比,具有识别率高,受人脸图像平移、缩放、旋转影响小等优越性；同时,在MIT-CBCL人脸数据库中对本文提出的方法进行验证,结果表明该算法在较大的数据测试空间也具有优良的可行性。(本文来源于《云南大学》期刊2016-03-01）
曾波,孟伟[9]（2016）在《基于灰色理论的小样本振荡序列区间预测建模方法》一文中研究指出传统单变量灰色预测模型的指数结构形式制约了其对小样本振荡序列的模拟与预测能力,对此,通过包络线将振荡序列拓展为具有明确上界与下界的区间灰数序列,还原影响因素不确定性条件下振荡序列的区间灰数形式;在此基础上,利用区间灰数建模方法实现对振荡序列取值范围的模拟与预测.应用该方法较好地模拟了具有振荡特征的重庆市空气质量指数(AQI)的变化规律,所得研究成果为小样本振荡序列的模拟与预测提供了一种新的分析方法与建模手段.(本文来源于《控制与决策》期刊2016年07期）
杜江,王君,张严,吴国伟[10]（2015）在《振荡序列灰预测方法及其在干式变压器温度控制器中的应用研究》一文中研究指出提出了一种基于灰预测的干式变压器温度控制策略,对灰预测方法、温度控制策略及温度控制系统做了详细分析。(本文来源于《变压器》期刊2015年06期）
振荡序列论文开题报告
（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：
系列文章的前两篇以振荡模式的空间解耦代替频域解耦,并通过互补群模式的摆次能量演化来反映复杂振荡行为的特征。由于其对时变性的分辨率较低,也不利于讨论多模式之间的交互作用,故文中提出在每个积分步末端所对应的时间断面处,按实际变量值重新冻结映象系统的非哈密顿因素,按虚构的哈密顿系统来估计该断面后的不平衡功率—转角的曲线。进而评估各互补群模式的振荡总能量(或其裕度)的时间序列,将轨迹振荡能量序列分析方法的时间分辨率从按模式摆次细化为按积分步长,更好地反映振荡的局部时变性。针对分别计及调速器或计及机械功率周期性扰动的两个算例,揭示了系统"反常"振荡行为的机理。
（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。
振荡序列论文参考文献
[1].曾亮.基于振荡序列的灰色GM(1,1|sin）幂模型及其应用[J].浙江大学学报(理学版).2019
[2].刘庆龙,薛禹胜,陈国平.基于轨迹模式空间解耦及模式能量序列的振荡分析(叁)时变性分辨率从摆次细化到时间断面[J].电力系统自动化.2019
[3].刘庆龙,薛禹胜,陈国平.基于轨迹模式空间解耦及模式能量序列的振荡分析(二)算法及应用[J].电力系统自动化.2019
[4].刘庆龙,薛禹胜,陈国平.基于轨迹模式空间解耦及模式能量序列的振荡分析(一)理论基础[J].电力系统自动化.2019
[5].王笑蕾,张勤,张双成.基于EMD和WD联合算法的GPS水汽时间序列的周期性振荡分析[J].武汉大学学报(信息科学版).2018
[6].黎宁昊.脉冲序列控制开关DC-DC变换器低频振荡抑制方法研究[D].西南交通大学.2017
[7].宁艳艳,郑春华.基于振荡序列的黄金价格动态建模及预测[J].黄金.2016
[8].余介夫.基于ICM振荡时间序列和支持向量机的人脸识别[D].云南大学.2016
[9].曾波,孟伟.基于灰色理论的小样本振荡序列区间预测建模方法[J].控制与决策.2016
[10].杜江,王君,张严,吴国伟.振荡序列灰预测方法及其在干式变压器温度控制器中的应用研究[J].变压器.2015