中国科学技术信息研究所--国家工程技术数字图书馆

排序：

[学位论文] 于春肖燕山大学 2001年硕士导师: 陈一鸣共173页

摘要 : 目前,对轧制过程的分析,虽然已采用现代有限元法和边界元法,但是,在模拟构思和计算方法上仍不能摆脱轧材与轧辊分割叠加计算并靠经验迭代处理的传统模式.因此,要建立同时考虑材料、几何;接触（轧材与轧辊）及摩擦等因素在内的多重非线性耦合三维弹塑性... 展开

关键词 : 自适应边界元法 Sobolev空间后验误差估计 H-R自适应边界积分方程离散化自适应分离接触迭代自适应动节点对

2. 盲信号分离算法比较与研究

[学位论文] 潘显曜上海交通大学 2006年硕士导师: 陈玉泉共60页

摘要 : 为了研究对象的行为，人们需要用传感器对对象的行为进行采样，但不幸的是很多情况下很难保证传感器接收到的信号是仅仅是感兴趣的信号，通常情况下传感器接收到的信号会被各种各样的噪声信号污染。换而言之，采集到的是多个源信号的混合。而且在绝大... 展开为了研究对象的行为，人们需要用传感器对对象的行为进行采样，但不幸的是很多情况下很难保证传感器接收到的信号是仅仅是感兴趣的信号，通常情况下传感器接收到的信号会被各种各样的噪声信号污染。换而言之，采集到的是多个源信号的混合。而且在绝大多数情况下被采样信号的先验知识不能得知，而且信号与传感器之间的传递通道信息也难以测量，这种信号称为“盲信号”。从这些混合信号中将原始信号分离出来的过程称为盲信号分离(Blind Source Separation, BSS, BSE)。盲信号分离的应用相当广泛，如生物医学信号分析与处理，地理数据处理，数据挖掘，语音信号增强，图像识别，无线通讯等领域。本文在目前研究最深入，成果最丰富的线性混合模型的基础上集中讨论了一些最典型的BSS的方法，并在此基础上给出了一种基于信号的二阶统计特征的BSS方法。本文按照学习法则利用的信号的统计量从低到高的顺序依次归纳了：主分量分析(Principle Component Analysis)是一种广为人知的信号分析方法，它虽然并不属于盲信号分离的内容，但是它在很多盲信号分离的方法中，特别在信号预处理阶段发挥着重要作用。通过挖掘信号的二阶统计特征，同样能够求解盲信号分离的问题，这种方法可以看作是对主分量分析方法的扩展。它与主分量分析不同之处在于，后者只需要将传感器输出的信号进行对角化，而前者需要将这些信号进行不同的延时后进行对角化，即所谓的联合度角化。挖掘信号的高阶统计特征，也是求解盲信号分离的问题的一种主要手段。这里的高阶统计特征主要指高阶累计量，如四阶的峰值(kurtosis)或者独立性。高阶的统计特征由于对噪声信号不敏感，因而具有更好的健壮性。独立组件分析和最大似然法是利用源信号的独立性的典型方法，文中接下来讨论了这两种方法，并讨论了这两种方法之间的联系。论文的主要创新工作在于：提出了一种基于信号的二阶统计量的自适应的盲信号分离算法，该算法的基本思想来自于经典的AMUSE (Algorithm for Multiple Unknown Signal Extraction)，但我们采用一种自适应迭代计算的方式直接快速逼近到分离矩阵，替代了原算法中需要对几个矩阵依次求逆或是进行特征值分解的运算，从而更适合处理待分离的源信号数量较多的情况。本文也讨论了如何利用源信号的高阶统计特征对该方法进行扩展，从而实现更好的健壮性。收起

关键词 : 盲信号分离信号处理 BSS方法学习法则自适应迭代计算

3. 基于颜色特征的镨/钕萃取过程组分含量检测方法研究

[学位论文] 陆荣秀南昌大学 2015年博士导师: 杨辉共123页

摘要 : 稀土元素在自然界中常以共生矿的形式存在，必须经过萃取分离才能使用。P507-HCL溶剂萃取是目前国内外获取单一、高纯稀土氧化物最常用的稀土分离体系。元素组分含量分布是稀土萃取分离过程中衡量萃取分离效果的重要指标。在具有离子特征颜色的稀土分... 展开稀土元素在自然界中常以共生矿的形式存在，必须经过萃取分离才能使用。P507-HCL溶剂萃取是目前国内外获取单一、高纯稀土氧化物最常用的稀土分离体系。元素组分含量分布是稀土萃取分离过程中衡量萃取分离效果的重要指标。在具有离子特征颜色的稀土分离生产现场，有经验的操作工人常凭借肉眼观测“离子颜色特征带”的偏移程度判断组分含量的分布，但这种方法的主观性太强、对组分含量的判断误差大，生产效率低，无法实现槽体中混合溶液颜色信息的量化描述、为后续各工艺参数调节提供准确信息，造成手动操作的盲目性，致使萃取过程资源消耗大、产品质量不稳定、市场竞争力弱。研究基于颜色特征的镨/钕萃取过程组分含量检测方法，是解决具有离子特征颜色的稀土萃取分离过程组分含量快速测量问题的有效途径，可为稀土萃取过程优化运行提供技术支撑，对实现我国稀土工业的可持续发展具有十分重要的理论和现实意义。本文主要的研究工作及创新点如下：（1）针对镨/钕混合溶液特点，分析了常用RGB和HSI颜色空间下，溶液图像颜色特征的提取方法，明确了采用HSI颜色空间下的H、S、I特征分量一阶矩描述稀土混合溶液图像颜色信息；（2）以实验室配置的标准镨/钕混合溶液作为基准，建立了镨/钕萃取现场混合溶液图像 H、S、I特征分量一阶矩的补偿模型，以消除生产现场各种噪声干扰引起的图像误差。在此基础上，采用主元分析法分析得到与组分含量关系关联度好的 H、S分量一阶矩作为输入变量，建立了镨/钕萃取过程组分含量LSSVM快速预估模型，通过自适应遗传算法寻优模型参数组合。测试数据验证了该模型具有高精度和泛化能力好的特点；（3）针对镨/钕混合溶液颜色的特殊性，建立了基于颜色特征融合的镨/钕萃取过程组分含量LSSVM快速预估模型。首先在RGB颜色空间下提出相对绿色分量和颜色矢量角，结合H、S特征分量共同描述镨/钕混合溶液图像信息，采用偏最小二乘方法消除四个颜色分量间的相关性，以融合后的特征分量为输入变量建立组分含量LSSVM模型。测试数据验证了综合考虑普遍性和特殊性的组分含量建模方法具有更高的预测精度和更好的泛化能力；（4）鉴于稀土萃取现场影响因素较多，萃取槽体元素组分含量波动较大，对历史数据有较好泛化能力的组分含量固定模型在进行长期、连续运行监测时容易出现预测精度变差的情况，提出了一种基于颜色特征的镨/钕萃取过程组分含量LSSVM模型自适应校正方法。该方法首先建立对历史数据样本有较高精度的组分含量LSSVM模型，依据模型校正准则，采用自适应迭代方式更新组分含量模型。通过萃取现场工况变化时运行数据测试，并与常规LSSVM、SVM和BP神经网络元素组分含量模型进行对比分析，表明该方法具有较强的预测精度和较好的自适应能力，适用于稀土萃取现场长期、连续监测元素组分含量；（5）以某稀土企业镨/钕萃取生产线为应用对象，基于机器视觉技术设计开发了镨/钕萃取过程元素组分含量实验室快速检测系统。对系统硬件部分进行了详细设计和选型，并采用虚拟仪器(LabVIEW)和Matlab工具软件进行混合编程开发检测系统软件。通过对萃取现场运行数据测试分析，表明该检测系统测试的准确性、重复性和快速性可满足镨/钕萃取生产现场组分含量快速检测要求，为镨/钕萃取分离过程各工艺参数调整提供准确可靠的参考依据，保证萃取生产过程长期连续稳定运行。收起

关键词 : 稀土元素萃取分离组分含量快速检测颜色特征带最小二乘支持向量机自适应迭代