基于多尺度的气液两相流图像信号质量指数谱分析

针对多重分形质量指数谱曲率和面积的概念,应用分形特征最为典型的LORENZ信号与HENON信号以及Cantor集对两个参数进行验证,结果证明两个参数在探测混沌时间序列复杂性方面是完全有效的。引入了多尺度的分析方法,详细研究了气液两相流图像灰度波动信号在不同尺度频率下的两个参数的变化情况,确定采用尺度5信号进行分析。在不同流型的5尺度灰度波动信号下获得了非线性特征值,通过分类指标和单因素方差分析(ANOVA)检验结果,并同其余文献中应用的混沌吸引子形态周界特征(吸引子面积、长轴、短轴)相对比,发现此特征值对不同流型具有较好的分类效果,且在不同液相流速下随气相速度的增加能够揭示出气液两相流型机理结构变化情况,是一种有效的研究气液两相流的方法。     

多尺度熵方法在机械故障诊断中的应用研究进展

机械设备状态监测与故障诊断的关键是故障特征的表征与提取,采用基于熵及相关方法建立的非线性动力学指标能够提取蕴藏在振动信号中的非线性故障特征信息。自熵方法引入以来,通过不断修改和改进来提高熵估计的准确性,多尺度熵进一步拓展了时间序列其他尺度上包含的复杂度信息,其在设备状态监测与故障诊断中得到广泛应用。本文对单一尺度熵及多尺度样本熵、多尺度模糊熵、多尺度排列熵和多尺度散布熵等多尺度熵方法在机械智能故障诊断中的应用进行综述,总结不同方法的特点优势与不足;针对多变量数据处理问题,综述由单变量推广到多变量的多元多尺度熵的应用发展过程。最后结合多尺度熵相关方法在机械智能故障诊断中面临的问题与挑战,对未来发展方向进行展望,即在工业大数据应用、故障机理、可解释性角度构建基于熵的深度学习模型。     

电感电流不连续模式Boost变换器多尺度熵分析

提出一种运用多尺度熵分析开关变换器工作特性的方法.首先给出电感电流不连续模式Boost开关变换器的迭代映射函数;其次通过符号动力学理论得到开关变换器的离散时间序列,并运用熵理论对开关变换器的符号序列进行分析;最后通过对比分析得到电感电流不连续模式Boost开关变换器的混沌特性.     

基于多尺度样本熵与PCA-FCM的滚动轴承故障诊断

针对滚动轴承故障诊断中多尺度样本熵特征向量维数高及其维度难以确定问题,提出了一种基于多尺度样本熵的主成分分析的模糊聚类故障识别模型。该模型首先使用多尺度样本熵方法提取滚动轴承正常、内圈故障、外圈故障、滚动体故障的振动信号特征。其次对多尺度样本熵特征向量使用主成分分析方法进行降维。然后通过累积贡献率来确定其特征向量的维度,并利用选定的特征向量属性作为模糊C均值聚类模型的输入并进行故障识别。最后通过分类系数和分类熵这两个聚类评价指标进行聚类效果的检验。实验结果表明该模型能较好的区分滚动轴承的正常与内圈故障、外圈故障、滚动体故障这4种信号。     

多尺度贝叶斯数据重整方法

结合贝叶斯数据重整方法与多尺度数据重整方法的特点，提出一种能够有效进行数据重整的新方法．仿真结果表明：该方法在保证数据的真实性和多尺度信息的前提下能良好地平滑数据，其去噪特性优越于单纯的多尺度数据重整、贝叶斯数据重整．     

多尺度数据融合算法及其应用

ＢａｓｅｖｉｌｌｅＭ及ＣｈｏｕＫ Ｃ等基于二叉树多尺度随机过程提出了一种多尺度数据融合算法。该算法实现简单,速度快、易于并行化。本对此算法做了进一步的研究,提出了一种新的多尺度模型构造方法,该方法简单,便于实现。仿真计算表明,采用此方法构造的多尺度状态空间模型对信号有较好的近似,完全可以应用ＣｈｏｕＫＣ等提出的多尺度融合算法,滤滤效果明显,可用于多尺度数据融合。     

多尺度图象分割方法及其应用研究

图象分割技术在图象处理中占据重要地位，是计算机视觉和图象理解的最基本问题。多尺度图象分割作为一种新的研究方法，将图象分割与小波变换理论相结合，能够更好地分割、重构图象。本文综述了多尺度分割方法的思想；并分析了多尺度分割方法在SAR图象分割和无损图象压缩中的应用，将其结果与以往提出的分割算法进行了比较，实验表明，效果较好。     

相干结构的尺度相似性与尺度相似亚格子模型

为了对多尺度相干结构在湍流大涡模拟尺度相似亚格子模型中的作用进行实验测量研究,分析尺度相似亚格子模型的适用尺度范围以及尺度相似亚格子模型沿平板湍流边界层法向的变化规律.用热线风速仪以高于对应最小湍流时间尺度的分辨率精细测量了风洞中平板湍流边界层不同法向位置流向速度分量的时间序列信号,用局部平均速度结构函数检测湍流多尺度相干结构的条件采样方法将壁湍流信号中的多尺度相干结构成份与非相干成份分离,比较去除多尺度相干结构成份前后尺度互相关系数的变化规律,研究多尺度相干结构在湍流不同尺度间动量、能量传递的机理.研究表明,不同尺度的湍流结构相似特性存在一个尺度范围,大涡模拟的尺度相似亚格子尺度不能大于能量最大尺度.     

无尺度网络建模仿真与分析

在介绍无尺度网络概念和原理的基础上，运用一种建模方法，构建了无尺度网络模型。该模型通过对无尺度网络的度、平均路径长度、聚集系数等参数的矩阵变换，实现了无尺度网络的仿真流程，给出了仿真流程图，并用Matlab软件获得仿真结果，为有关的无尺度网络特性的研究和相关的具体无尺度网络问题的探讨提供一定借鉴。     

基于多尺度分析的归一化割图像分割算法

不同尺度的图像拥有不同的特性,针对单一尺度图像进行分割容易出现过分割或欠分割的问题,本文提出一种基于多尺度分析的归一化割的图像分割方法,首先利用方向能量模型得到不同尺度子图像的边缘方向能量,然后根据干涉轮廓的思想建立各个子图像像素之间的相似度,形成多个不同尺度的权值矩阵,并归一化为一个权值矩阵,最后运用归一化割算法对图像进行分割。实验表明,本文方法在融合了多个尺度图像不同特性的同时,能很好地处理含有纹理区域和弱边缘的图像,在一定程度上避免了过分割或欠分割的问题。