基于区间灰数信息的广义关联度模型(英文)

针对传统广义关联度模型在灰数信息背景下的拓展问题展开研究,构建了一类基于区间灰数信息的广义关联度模型。考虑现实背景下众多实际问题的元素值信息难以准确获取,采用区间灰数表征不确定信息,并将灰元信息划分成白部和灰部。在此基础上给出了基于灰数信息的广义关联度模型的求解算法。最后采用商用飞机成本指标选择问题进行实证分析说明模型的有效性。结果表明,该模型能够很好地对指标进行排序,对拓展灰色关联模型有一定的借鉴意义。     

基于特征点分布的多元灰色绝对关联度(英文)

针对多元灰色绝对关联度存在分析结果与定性判断相矛盾的问题,探讨一种基于点分布特征的灰色绝对关联分析模型。该模型依据多元序列的几何描述,分区域提取邻域极值,构造多元序列的特征点集;然后根据特征点的分布特性获取反映多元序列几何特征的特征点序列;将多元序列的关联分析转化为特征点序列间的相关性分析,从而建立关联度模型。该模型具有平移不变性、转置和行列变换不变性、满足灰色关联分析公理要求。最后,通过两个实例验证了该模型的有效性。     

改进的EMD方法在车辆振动信号提取中的应用(英文)

为了能在强噪声背景下准确地进行振动信号的特征提取,对经验模式分解进行了研究和改进,并将其应用于车辆振动信号的特征提取中。首先对系统中各输入信号进行了多次自相关处理,有效地降低信号中的噪声。然后对处理的信号进行经验模式分解,得到了各固有模态函数分量。最后对感兴趣的固有模态函数分量进行希尔伯特变换和谱分析,从而得到信号的特征信息。仿真和试验分析说明了改进的经验模式分解方法的可行性,并且对同类工程问题具有一定的参考价值。     

时序多相关-经验模式分解方法及其对车辆振动信号的分析

振动信号的特征提取由于受强背景噪声的干扰往往具有很大的困难。在作者提出的时序多相关-经验模式分解方法的基础上,提出了一种相应的改进方法,将其扩展到一般振动信号的特征提取。先对采集到的时间序列作多相关处理,在时序多相关处理时,为了达到克服噪声干扰的目的,取一段采样序列,对其作周期延拓,使得在多相关处理后,噪声仅仅体现在多相关序列的常数项里面。再对得到的多相关数据作经验模式分解,选择满足要求的本征模式函数并作边际谱分析,以达到提取强噪声背景下的特征信号的目的。仿真分析表明了该方法的有效性。最后将它应用到实际某特种车辆振动信号的特征提取中,得到了满意的结果。