一、MATLAB与VC++混合编程进行混沌时间序列分析（论文文献综述）
马贺[1]（2020）在《电网短期负荷预测平台开发与应用》文中研究说明电网短期负荷预测对科学安排发电厂发电出力,保证供需平衡,保障电力系统的安全稳定运行具有重要意义。提高预测准确率和工作效率,是电网企业非常迫切的一项工作。在保障数据信息安全的前提下,应用大数据等新技术、新方法,开发应用电网短期负荷预测平台势在必行。本文主要内容包括:1.叙述了电网短期负荷预测的基本方法。包括常用的负荷预测方法和实现步骤,点对点倍比法、倍比平滑法、重叠曲线法等基于同类型日的“正常日”负荷预测方法。考虑气温、节假日因素对负荷的影响,对人工神经网络、混沌理论等方法原理和具体实施步骤分别进行分析阐述。在此基础上,对深度学习方法中的卷积神经网络结构进行描述,并给出其在Matlab中实现方法。2.结合电力大数据的挖掘和应用的新趋势,探索大数据技术在电网短期负荷预测中的应用。在分析MapReduce数据处理逻辑的基础上,提出一种基于Hadoop的分时分布式短期负荷预测方法。利用Hadoop大数据架构,搭建基于大数据的负荷预测模型,以地市公司为主节点开展主导因素辨识,以各县公司为从节点,通过用K-means聚类建立负荷模式库,采用随机森林算法进行模式匹配,就地开展负荷预测,再通过MapReduce流程进行数据集中,实现了分时分布式负荷预测。3.从地市供电公司调控部门开展负荷预测的实际需求出发,开发了电网短期负荷预测平台。为保障数据在传递过程中的信息安全,提出了采用适用于大数据、云计算的Paillier同态加密算法对电网负荷数据进行隐私保护。在此基础上,将各种常用负荷预测方法、负荷曲线的分析在平台中实现。平台采用Visual C++面向对象的编程语言开发,数据的存储访问依托SQL Server数据库,预测算法的实现借助Matlab软件,通过采用VC与SQL Server、Matlab的接口技术,实现各种功能对用户的呈现。建立了简洁、实用、友好的操作界面,实现日常负荷预测各项功能在系统的集成,并对平台的结构、功能进行了详细分析。综上所述,基于Hadoop大数据架构开展分时分布式短期负荷预测,考虑各地区特征因素差异,可有效提高负荷预测准确率;利用Paillier同态加密算法对电网负荷数据进行隐私保护,有效保障大数据、云计算框架下的负荷预测的数据信息安全;开发应用电网短期负荷预测平台,建立友好的负荷预测和负荷曲线分析界面,实现对电网短期负荷精准、高效预测。
范如俊[2]（2020）在《基于多生理信息的情绪识别平台建立》文中进行了进一步梳理随着人工智能、人机交互、模式识别等技术的快速发展,情绪识别已经成为了该领域研究的一个热点。传统的情绪识别研究多采用语音特征、面部表情图像特征进行识别,但这些情绪的外在表现特征极易受到人体主观的控制,导致识别的不准确。而生理信息与人体大脑皮层及神经中枢关系密切,具有客观真实性,因此成为众多学者的热门研究方向。本文主要针对心电、皮电、呼吸三种生理信息进行情绪识别研究,建立了一个可视化的人机交互情绪识别平台。主要工作如下:（1）进行了基于混沌理论的情绪识别方法研究。分别对心电、皮电、呼吸三种生理信息数据进行四种混沌特征参数提取,包括复杂度、盒子维、近似熵、信息熵。构建三种单一生理信息数据和融合多生理信息数据的特征参数数据集,采用C4.5决策树算法分别进行Joy、Anger、Sadness三种情绪的识别实验。实验结果证明,采用该方法进行情绪识别是可行的,且多生理信息情绪识别比单一生理信息有更高的识别率。（2）采用C#编程语言,Visual Studio 2017集成开发环境（IDE）、SQL Server2014数据库等工具,建立了一个基于多生理信息的情绪识别平台。该平台可以对采集到的ECG、SC、RSP三种生理信息进行12种混沌特征参数提取,作为情绪识别的样本,通过C4.5决策树分类器算法进行joy、anger、sadness三种情绪的识别,并将这些信息保存至本地数据库。平台还包括用户登录、志愿者管理、管理员管理及数据中心等功能模块,来保证平台的安全性和信息完整性。（3）对搭建完成的平台进行了验证性实验。通过实验室设备获取的多生理信息数据,对平台进行测试,研究结果表明本平台有效并有一定实用性。
张婕[3]（2020）在《基于SAGA和BP网络的非线性函数极值求取系统的设计与实现》文中研究说明在面向现代工程问题的优化模型研究中,许多实际问题最后都抽象成了“产量最大”、“成本最低”、“效益最好”等优化问题,这些问题归根到底都是一些极值求取问题,因此如何快速准确的求得最优极值是个十分重要的问题。随着科学技术的快速发展以及生产工具的不断改进,最优极值的求取过程变得越来越复杂,其中就有一类非线性问题,这类问题的函数非常复杂甚至难以用数学函数表示出来,已知的条件只有一些离散的输入输出数据,单靠这些数据难以得到问题的极值,并且这类问题常常还会存在多个局部极值,因此很难求得问题的最优极值以及取得极值的条件。针对这类问题,本文提出了正弦自适应遗传算法双重优化BP网络的极值求取算法,并采用VC++和MATLAB混合编程技术开发了一个非线性函数极值求取系统。论文的研究内容和创新点主要有以下几个方面:1.分析了非线性函数极值求取问题的研究现状和最优化理论,对BP神经网络和遗传算法的结构以及特点进行了探究。2.利用BP神经网络的拟合预测能力和遗传算法（GA）的全局寻优能力,给出了正弦自适应遗传算法（SAGA）双重优化BP神经网络的最优极值求取算法。算法以BP神经网络训练拟合问题函数为中心,并根据遗传算法在搜索速度、收敛性等方面存在的问题,在遗传算法中引入了正弦自适应的交叉率和变异率计算方法,得到了SAGA,并且将SAGA用在了优化BP神经网络的初始权值阈值以及最后的最优极值求取两方面。为了测试算法模型的性能,将传统的GABP方法、GA算法双重优化BP神经网络方法和SAGA算法双重优化BP神经网络方法进行了仿真对比,实验结果表明,所提出的算法能有效提高非线性函数极值求取的精度。3.使用VC++和MATLAB的混合编程技术开发了非线性函数极值求取系统,在系统中用VC++实现了图形化界面,通过调用MATLAB引擎中的神经网络及遗传算法的接口函数实现了极值求取算法。用户只需要在系统界面中进行相应的参数设置,就可以求得系统的最优极值以及取得极值的点。
殷磊[4]（2019）在《基于混合编程数据采集及多功能分析系统研究》文中进行了进一步梳理信息化时代的到来,使工业生产中的机械设备向智能化、精密化、复杂化的方向发展,同时促进了测试与分析技术的广泛应用。本课题基于测试分析技术和虚拟仪器技术,采用混合编程方法设计开发了一套集大容量信号采集、多功能数据处理和分析于一体的测试分析系统。使用Delphi编写了用户交互界面和数据采集卡的驱动程序。在数据采集卡的接口控制程序中,使用多线程的工作方式和缓冲队列技术,支持八个通道的大容量不间断数据采集和存储。依靠MATLAB强大的信号处理、分析和图形显示功能编写各种算法,使用组件对象模型（Component Object Model,COM）技术形成动态链接库文件（Dynamic Link Library,DLL）,在Delphi界面中调用MATLAB各算法,实现多功能信号处理和分析功能。混合编程技术的使用拓展了测试系统的功能,使其具备了三十二种信号处理和分析方法,而且对于后期系统功能的完善和更新更加方便。提出并实现了由两种或三种时频分析方法组合而成的时频组合分析方法,如小波分解与快速傅立叶变换（Fast Fourier Transformation,FFT）、小波降噪与FFT、经验模式分解（Empirical Mode Decomposition,EMD）与威格尔分布（Wigner-Ville Distribution,WVD）叠加（EMD-WVD）、小波包降噪与 FFT、EMD-FFT、小波包分解、集合经验模式分解（Ensemble Empirical Mode Decomposition,EEMD）与快速傅立叶变换（EEMD-FFT）等。时频组合分析方法对于非平稳信号时频域特征提取具有优良效果,不仅拓展了时频分析方法,而且为时频分析方法研究提供了新的思路。开发过程中使用仿真信号验证了各个模块、各种功能的可靠性与效果。开发完成后,对某型号砂轮机进行故障诊断和发动机信号源分析实验,使用各种分析结果对比的交叉验证方式验证了该测试分析系统在信号处理和分析领域的可靠性和实用性。开发的测试分析系统可应用于机械设备信号采集与分析、工况监测和故障诊断等方面,尤其在非平稳信号的分析方面。
许桢杰[5]（2019）在《婴儿心率的非接触式自适应鲁棒实时监测方法研究》文中提出婴儿心率是评价婴儿健康状况的重要指标,婴儿心率监测是婴儿监护的重要项目之一。多种原因可导致婴儿心率的变化,如发烧,排尿、排便,间歇性窒息,感染性疾病（如肺炎,呼吸道感染,腹泻,电解质紊乱等）,器质性心脏病（如病毒性心肌炎,先天性心脏病）,甲状腺功能低下,颅内压升高,败血症等。因此视需要可间断性或连续性对婴儿心率进行实时监测,以及时了解婴儿心率信息,尽早发现上述不良症状,起到预警作用。目前对婴儿心率的监测多采用接触式测量方法,如心电监测仪、脉搏血氧仪、智能手环等,接触式心率监测要求被测者与设备间有特定的物理接触,使用较为繁琐、不便,且婴儿皮肤娇嫩未发育成熟,长期使用接触式心率监测设备会造成皮肤损伤,产生身体不适,给婴儿带来生理负担。非接触式心率监测不需要各类传感器及连接线与身体接触,具有无创、便捷、舒适监测等优点,但现有非接触式心率监测技术尚未成熟,心率监测的精确性和对面部表情变化及光照变化的鲁棒性差,未能达到日常使用的要求。由于现有非接触式心率监测方法多采用单个固定敏感区域进行脉搏波的提取,且要求被测者保持头部静止,对于婴儿来说,因婴儿头部存在不可控的动作及面部表情变化,导致现有非接触式心率监测方法用于婴儿心率监测时存在精确性差,对头部动作及面部表情变化抗干扰能力弱的问题。另外,现有非接触式心率监测大多未考虑监测过程中环境光变化引起的干扰,当外界光照存在变化时,易对监测结果产生干扰,影响心率监测的精确性。针对上述问题,本文引入联合面部检测与对齐方法,以能够在婴儿存在头部动作与面部表情变化时仍能快速、鲁棒地提供精确的面部特征点,从而削弱因婴儿头部动作与面部表情变化引起的跟踪伪影;提出一种非固定敏感区域（局部块）的自适应选择方法,以能够对婴儿哭笑等面部表情变化自适应地选择确定仅含皮肤区域且监测过程中受面部表情变化影响较小的尺寸稳定的局部块,从而提高心率监测对婴儿头部动作与面部表情变化的鲁棒性;提出一种改进的反射光强模型,通过引入背景区域的反射光强模型,将前景与背景区域信号作比值处理来消除模型中随时间变化的光照强度项,从而削弱环境光变化带来的干扰,以提高婴儿心率监测对环境光变化的鲁棒性。本文首先从接触式和非接触式两类方法综述现有婴儿心率监测的方法与设备,并从头部动作与面部表情变化干扰和光照变化干扰两方面来详细阐述非接触式心率监测的研究现状;接着,从理论基础、工作原理、实现条件三个方面对成像式光电容积描记法进行理论分析,为下文脉搏波信号的提取奠定基础;然后,为削弱因婴儿头部动作与面部表情变化引起的跟踪伪影,提出使用一种联合面部检测与对齐方法,以能够在婴儿存在较大头部动作与面部表情变化时快速、鲁棒地提供精确的面部特征点;其次,基于上述所得面部特征点,提出一种自适应选择非固定大小局部块的方法,通过朴素贝叶斯模型构建皮肤概率图（SPM）,以滤除非皮肤局部块,并通过局部块的箱型图计算四分位距,以此对婴儿哭笑等面部表情变化自适应地选择确定仅含皮肤区域且监测过程中受面部表情变化影响较小的尺寸稳定的局部块,有效地改善了脉搏波信号信噪比,从而提高了心率监测对婴儿头部动作与面部表情变化的鲁棒性;此外,为消除光照变化引起的干扰,推导出一种改进的反射光强模型,通过引入背景区域的反射光强模型,将前景与背景区域信号作比值处理来消除模型中随时间变化的光照强度项,从而消除环境光变化带来的干扰,以提高婴儿心率实时监测对环境光变化的鲁棒性;最后,根据婴儿心率实时监测系统的要求,构建系统软硬件平台,通过网络监控摄像头+PC上位机开发本系统,以Visual C++为开发环境和调试工具开发上位机人机交互界面,并结合OpenCV与Matlab完成本文算法的实现,并基于该系统,与现有采用单个固定敏感区域的常规方法进行对比实验,实验结果表明了本文方法具有更高的精确性和更好的鲁棒性。此外,本系统利用摄像头自带的红外自主光源,结合本文算法可实现日间和夜间多场景下的婴儿心率实时监测,且后期该系统软件平台可从PC端移植到手机端,开发手机APP实现相应功能,增加用户使用的便利性。本文研究的非接触式婴儿心率自适应鲁棒实时监测方法对婴儿头部动作与面部表情变化及光照变化干扰具有较好的精确性和鲁棒性,即使在婴儿有较大头部动作与面部表情变化时,甚至在环境光有显着变化的实际场景下,本文方法仍能进行精确且鲁棒的心率监测,为家庭婴儿监护及医疗病患监护提供了切实可行的新思路,为非接触式婴儿心率监测的广泛应用奠定了基础,具有较高的学术价值与实际应用价值。
陈旭宁[6]（2017）在《Visual Studio 2010与Matlab混合编程的研究及其在BCI系统中的应用》文中进行了进一步梳理对脑电信号进行研究是脑科学研究领域的重要内容,在这一领域,脑机接口（Brain Computer Interface,BCI）系统既涉及医学学科又涉及计算机通信与控制等学科,已成为这一领域中的热点课题。采集到的脑电信号在经过硬件处理之后可能仍然包含有大量的噪声,为了保证信号后续处理分析结果的精准性,需要对信号进行滤波等预处理。Kalman滤波是一种高效率滤波方法,能适应多种不同条件的滤波工作,被广泛地使用在信号处理工作、导航、自动控制等领域。本文使用Kalman滤波对采集到的脑电信号进行了滤波处理,经后续试验表明利用其对脑电信号进行预处理可以提高对信号特征的识别率。本文通过分析Matlab与CC++等高级编程语言的优缺点,使用了Matlab与C++两者优势互补的混合编程的方式实现了Kalman滤波,该方法既实现了Matlab强大的数值方面运算能力的跨平台应用,又有高级编程语言执行效率高,界面编写功能强大的优点,并将Kalman滤波器应用于脑电信号的预处理,取得了较好的效果。本篇论文的主要工作有以下几点:1.本文介绍了脑电信号采集与处理中的脑机接口系统的大致组成及其工作流程,详细介绍了本文在脑机接口系统信号处理模块用到的Kalman滤波算法及ST（S-transform,S变换）算法和梯度Boosting（Gradient Boosting,GB）算法相结合的特征提取和分类识别算法的基本原理。2.本文阐述了Matlab与VC++的优点及缺点,介绍了相关文献中前人整理过的传统的VC++6.0这一工具与Matlab混合编程的几种方式,并介绍了当前最新的VC++标准:C++0x/11标准以及VC++6.0的问题及与VS的区别。在此基础上,实现了新版的Visual studio 2010与Matlab R2012b的混合编程。3.通过实例将Visual studio 2010与Matlab R2012b混合编程的思想应用到了脑机接口系统中,在对脑机接口系统预处理模块中的信号滤波后,在此基础上使用了ST算法对采集到的运动想象信号进行了特征提取,并使用GB算法进行了识别分类,并通过实验验证了方法的有效性。
高杏梅[7]（2014）在《煤矿井下设备温度预测及预警系统研究》文中进行了进一步梳理煤矿井下环境特殊，各种安全隐患严重地威胁着工作人员，其中设备故障是隐患之一。煤矿井下设备运行状况下，当存在故障隐患时，经常会伴随着温度的上升，当设备温度过高时有可能会引发火灾和爆炸等事故，对这类设备运行过程中的温度进行监测记录非常必要。针对检测到的设备温度数据进行分析研究，可以发现其内在规律，进而预测温度未来的变化趋势，实现对设备的安全预警，从而有效地避免因设备故障带来的损失。论文以基于无线传感器网络的煤矿井下设备温度监测系统为基础，重点对设备温度时间序列进行分析建模和预测，并对预测结果进行预警分析。通过对几种不同的温度预测方法进行研究并对其特点进行分析比较，得出在不同情况下，应根据数据样本的特点采用不同的预测方法。在大样本情况下，可以采用人工神经网络的方法进行预测，结合经验模态分解和相空间重构，以期得到较准确的预测结果；在小样本数据情况下，优先采用ARIMA进行预测模型的建立，对时间序列进行准确的短期预测。为了对设备温度安全警度进行预警，本文利用DS证据理论的时域融合，采用了基于经验模态分解、BP神经网络和DS证据理论的预警方法，实验结果验证了该方法的有效性。设计了设备温度预警系统软件，预警系统的主要功能包括设备温度曲线的绘制、温度预测及预警等。利用Visual C++进行设备温度预警系统的界面设计，通过采用VisualC++与Matlab混合编程来实现软件的设计，该软件能实现预期功能。
杨晓帆[8]（2014）在《煤矿瓦斯涌出量实时预报系统的开发及应用》文中进行了进一步梳理我国是世界上煤炭资源较为丰富的国家之一，但是由于我国煤炭地质状况的特殊性和复杂性，加之煤矿开采技术和管理技术都较发达国家相对落后，使我国成为了世界上煤矿事故多发的国家之一，其中，瓦斯灾害是导致煤矿事故发生的罪魁祸首之一。所以，了解影响瓦斯涌出的因素，并进行有效的瓦斯涌出量的监测和预报，是指导煤矿安全管理的有效措施，也是防止瓦斯灾害的重要手段。所以，本文针对该问题开发了煤矿瓦斯涌出量实时智能预报系统。瓦斯涌出不仅仅是受到一个或几个因素影响的，而是受到众多因素影响，加之多种影响因素之间有着复杂的非线性关系，而且还会在不同时刻受到各种因素相互作用的动态影响，由此，我们希望找到一种方法，能够不必考虑这些影响因素，只要根据能够实际监测到的单一变量的时间序列，就能够准确的进行预测。对于单一变量的时间序列，瓦斯涌出量是研究瓦斯问题最直接、最方便采集到的信息，方法上混沌相空间重构技术就做到了这一点，它认为瓦斯涌出这一单一变量的时间序列中蕴藏了众多影响其涌出因素的信息，只要能够重构该时间序列，就可以复原瓦斯涌出的相空间特性，而且该方法还避免了人为的主观性。首先，在判别瓦斯涌出量时间序列混沌特性的同时，利用互信息法和Cao氏法得出延迟时间τ和嵌入维数m，对瓦斯涌出量时间序列进行了相空间重构。然后分别利用加权一阶局域法、基于广义神经网络的混沌时间序列预测法以及基于相空间重构技术与PSO-LSSVM的预测法进行实例验证，通过对比分析最终选择了相空间重构和PSO-LSSVM相结合的预测模型来作为本文所开发软件的核心算法。其次，在确定了瓦斯涌出量的预测模型的情况下，根据相关理论和技术，利用VC++6.0、Matlab2008a、SQL2005为平台，开发了具有瓦斯涌出量数据采集、存储、用户管理、多时间纬度的实时预测和历史预测分析等功能的预报系统。最后，通过该软件在山西某煤矿的实地应用和后期的数据分析，得出该软件可以完成对瓦斯涌出量的实时监控、预测、报警等任务，而且五种时间维度的预测值与实际值的绝对误差75%以上都在0.02以下，具有较好的可靠性和稳定性。所以，该软件的开发有利于煤矿企业管理者较为方便和直观的对井下瓦斯涌出量安全情况进行分析、判断和决策。
汪正杰[9]（2014）在《基于拟脉冲原理的单轮平板式悬架参数检测系统设计》文中认为悬架系统是汽车不可缺少的一个重要组成部分,主要承担了承载、减振的作用,决定了操纵稳定性和汽车平顺性并确保行驶安全性。悬架检测技术和相关设备的研究与开发,在汽车工业技术的发展中发挥了重要的作用。对于汽车检测站或修理厂来说,只需要取得汽车悬架基本参数来了解悬架状况即可,而当前的悬架检测装置要么设备价格较高、功能复杂,要么拟脉冲激励量一致性差以致检测数据质量差,制约了悬架参数检测工作。因此,为了快速有效地评估悬架的隔振性能,迫切需要对车辆悬架抗振性能进行研究分析,开发出一套价格低廉且结果可靠的汽车悬架隔振参数检测系统。本文基于拟脉冲激励原理,采用按压法对车体施以激励,并运用VC++6.0软件开发平台设计了一个单轮平板式悬架参数检测系统,该系统能够对汽车悬架隔振性能进行快速可靠的检测。论文首先对基于拟脉冲原理的汽车悬架参数检测系统进行了总体设计,给出了软硬件设计方案。硬件部分完成了硬件电路的设计,包括传感器、电荷放大器、数据采集卡的选型,实现了硬件平台的搭建。软件部分,首先在VC++6.0开发环境下,采用MFC架构,使用C++编程语言完成了检测系统软件的设计,实现了对汽车悬架隔振性能进行模拟检测和实车检测的功能；其次研究了混沌参数评判信号周期性的算法,实现了对悬架系统振动响应信号进行周期性甄别的功能,并采用VC++与MATLAB混合编程技术将此功能应用于检测软件中。通过现场调试与应用结果表明,本课题设计实现的单轮平板式悬架参数检测系统运行稳定、操作简便、检测快速、结果可靠,并且价格低廉,应用广泛,既可用于汽车维修和检测企业生产经营性目的,又可用于各类院校汽车专业的实践教学。
刘俊,杨俊华,杨梦丽,曾君,杨金明[10]（2013）在《基于MATLAB与VC的风电机组齿轮箱振动信号采集与分析系统》文中研究指明为实时采集和分析风电机组齿轮箱的振动信号,利用MATLAB与Visual C++（以下简称为VC）混合编程构建了一套实时振动信号采集与分析系统。运用VC编制风电机组齿轮箱的振动信号采集程序,调用MAT-LAB引擎对采集数据进行时域和频域信号处理分析。为测试该系统,对单台风机齿轮箱进行实验测试,测试结果表明,该系统设计合理、运行正常,自功率频谱分析、细化谱分析和小波包分析的结果与齿轮箱运行实际情况吻合。
二、MATLAB与VC++混合编程进行混沌时间序列分析（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、MATLAB与VC++混合编程进行混沌时间序列分析（论文提纲范文）
（1）电网短期负荷预测平台开发与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外发展现状 |
| 1.3 本文的主要工作 |
| 第二章 电网短期负荷预测基础理论 |
| 2.1 负荷预测的基本概念和方法 |
| 2.1.1 开展电网负荷预测的方法步骤 |
| 2.1.2 负荷预测中应考虑的事项 |
| 2.1.3 负荷预测的关键指标 |
| 2.2 基于同类型日的“正常日”负荷预测方法 |
| 2.2.1 点对点倍比法 |
| 2.2.2 倍比平滑法 |
| 2.2.3 重叠曲线法 |
| 2.2.4 基于同类型日的“正常日”新息预测方法 |
| 2.2.5 基于时段相似性的简单推理法 |
| 2.2.6 频域分量预测方法 |
| 2.3 考虑气象因素的人工神经网络预测方法 |
| 2.3.1 考虑气象因素对短期负荷预测的影响 |
| 2.3.2 短期负荷预测的ANN构成 |
| 2.3.3 前馈网络的BP训练算法 |
| 2.3.4 基于深度学习的预测方法 |
| 2.4 基于混沌理论的负荷预测方法 |
| 2.4.1 混沌理论在电网负荷预测中的应用 |
| 2.4.2 混沌理论负荷预测思路和方法 |
| 2.5 本章小结 |
| 第三章 基于Hadoop的分时分布式短期负荷预测 |
| 3.1 Hadoop大数据处理架构 |
| 3.1.1 MapReduce框架模型 |
| 3.1.2 基于Hadoop的短期负荷预测平台 |
| 3.2 基于Hadoop架构下分时分布式短期负荷预测 |
| 3.2.1 数据预处理 |
| 3.2.2 集中式主导因素辨识 |
| 3.2.3 分时分地建立负荷模式库 |
| 3.2.4 就地建立预测模型 |
| 3.3 济宁地区分时分布式负荷预测与分析 |
| 3.3.1 MapReduce执行过程 |
| 3.3.2 实验结果分析 |
| 3.4 本章小结 |
| 第四章 电网短期负荷预测平台的实现 |
| 4.1 平台的实现技术和方法 |
| 4.1.1 Visual C++面向对象的编程技术 |
| 4.1.2 VC中对数据库的访问 |
| 4.1.3 VC和Matlab的接口方法 |
| 4.1.4 Hadoop在Windows下的安装和运行 |
| 4.2 对数据的隐私保护 |
| 4.2.1 同态加密 |
| 4.2.2 Paillier同态加密算法 |
| 4.2.3 电网短期负荷预测中数据隐私保护的实现 |
| 4.3 平台整体架构 |
| 4.3.1 平台各项功能实现的基本结构 |
| 4.3.2 数据的查询、分析功能 |
| 4.3.3 平台界面说明 |
| 4.4 负荷预测方法 |
| 4.5 映射库的建立 |
| 4.6 本章小结 |
| 第五章 电网短期负荷预测平台应用 |
| 5.1 应用平台开展负荷预测 |
| 5.1.1 基本设置 |
| 5.1.2 正常日预测 |
| 5.1.3 节假日预测 |
| 5.2 负荷特性分析 |
| 5.2.1 日负荷分析 |
| 5.2.2 周负荷分析 |
| 5.2.3 月负荷分析 |
| 5.3 负荷预测数据上报 |
| 5.3.1 上报设置 |
| 5.3.2 预测结果修正上报 |
| 5.3.3 负荷修正 |
| 5.3.4 上报修正 |
| 5.4 结果查询 |
| 5.4.1 上报情况查询 |
| 5.4.2 时段点准确率查询 |
| 5.4.3 多日准确率 |
| 5.4.4 气温参数上报 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（2）基于多生理信息的情绪识别平台建立（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究进展 |
| 1.3.1 国外研究进展 |
| 1.3.2 国内研究进展 |
| 1.4 文章工作与结构安排 |
| 第2章 生理信息情绪识别基础 |
| 2.1 情绪的定义及分类 |
| 2.2 相关生理信息简介 |
| 2.2.1 心电信号 |
| 2.2.2 皮电信号 |
| 2.2.3 呼吸信号 |
| 2.3 数据来源 |
| 2.4 小结 |
| 第3章 情绪识别方法研究 |
| 3.1 情绪识别概述 |
| 3.2 混沌特征参数选择 |
| 3.2.1 复杂度 |
| 3.2.2 盒子维 |
| 3.2.3 信息熵 |
| 3.2.4 近似熵 |
| 3.3 特征参数提取 |
| 3.4 分类算法选择 |
| 3.4.1 常见的分类算法 |
| 3.4.2 C4.5决策树算法 |
| 3.5 基于C4.5决策树算法的情绪识别 |
| 3.5.1 Weka中的C4.5算法实现 |
| 3.5.2 构建Weka实例集 |
| 3.5.3 基于Weka的情绪识别 |
| 3.5.4 识别结果分析 |
| 3.6 小结 |
| 第4章 情绪识别平台的设计与功能实现 |
| 4.1 平台设计背景 |
| 4.2 平台设计目标与功能需求 |
| 4.2.1 平台设计目标 |
| 4.2.2 平台功能需求及结构 |
| 4.3 平台开发工具 |
| 4.3.1 Visual Studio2017 |
| 4.3.2C#编程语言 |
| 4.3.3 SQL Server2014 |
| 4.4 用户管理模块 |
| 4.5 志愿者管理模块 |
| 4.6 情绪识别模块实现 |
| 4.6.1 数据加载与特征提取功能实现 |
| 4.6.2 情绪分类功能实现 |
| 4.7 数据中心模块 |
| 4.8 小结 |
| 第5章 情绪识别平台测试 |
| 5.1 测试数据获取 |
| 5.1.1 情绪诱发 |
| 5.1.2 多生理信息数据采集 |
| 5.2 平台测试 |
| 5.3 小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（3）基于SAGA和BP网络的非线性函数极值求取系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 第二章 相关技术研究 |
| 2.1 VC++和MATLAB混合编程 |
| 2.1.1 VC++和MATLAB混合编程技术 |
| 2.1.2 MATLAB混合编程的优点 |
| 2.2 遗传算法 |
| 2.2.1 遗传算法的基本原理 |
| 2.2.2 遗传算法的基本操作 |
| 2.2.3 遗传算法的特点及存在的问题 |
| 2.3 BP神经网络 |
| 2.3.1 BP神经网络的结构 |
| 2.3.2 BP神经网络训练过程 |
| 2.3.3 BP神经网络的优缺点 |
| 2.4 本章小结 |
| 第三章 SAGA双重优化BP神经网络极值求取算法研究 |
| 3.1 正弦自适应遗传算法理论 |
| 3.2 BP神经网络结构确定 |
| 3.3 网络拟合和极值寻优求取 |
| 3.4 三种极值求取算法的实验与结果分析 |
| 3.4.1 实验准备 |
| 3.4.2 传统GABP极值求取算法 |
| 3.4.3 GA双重优化BP神经网络极值求取算法 |
| 3.4.4 SAGA双重优化BP神经网络极值求取算法 |
| 3.4.5 结果分析 |
| 3.5 本章小结 |
| 第四章 非线性函数极值求取系统的实现 |
| 4.1 系统需求分析 |
| 4.2 样本数据来源及归一化处理 |
| 4.3 VC++和MATLAB混合编程的实现 |
| 4.3.1 VC++与MATLAB环境设置 |
| 4.3.2 VC++项目的创建 |
| 4.3.3 MATLAB神经网络函数功能分析 |
| 4.3.4 VC++与MATLAB接口函数应用分析 |
| 4.3.5 函数设计分析 |
| 4.4 极值求取系统功能模块的实现 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间发表的学术成果 |
| 致谢 |
（4）基于混合编程数据采集及多功能分析系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 前言 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 虚拟仪器技术 |
| 1.2.2 国外研究现状 |
| 1.2.3 国内研究现状 |
| 1.3 课题主要研究内容 |
| 2 测试分析系统整体设计 |
| 2.1 系统的硬件设计 |
| 2.1.1 传感器 |
| 2.1.2 电荷放大器 |
| 2.1.3 PCI数据采集卡 |
| 2.2 系统的软件设计 |
| 2.3 本章小节 |
| 3 Delphi驱动数据采集卡实现信号数据采集 |
| 3.1 软件启动界面 |
| 3.2 数据采集的实现 |
| 3.2.1 Delphi数据采集驱动程序 |
| 3.2.2 多线程的工作方式 |
| 3.2.3 缓冲队列技术的应用 |
| 3.3 数据采集界面与实测 |
| 3.4 本章小结 |
| 4 MATLAB与Delphi混合编程实现数据处理 |
| 4.1 混合编程技术研究 |
| 4.2 MATLAB和Delphi混合编程技术实现 |
| 4.2.1 MATLAB和Delphi混合编程技术 |
| 4.2.2 混合编程技术的实现 |
| 4.3 信号处理及多功能分析界面 |
| 4.3.1 数值和波形显示模块 |
| 4.3.2 信号回放模块 |
| 4.3.3 信号分析设置模块 |
| 4.4 数字信号处理 |
| 4.4.1 频域滤波 |
| 4.4.2 时域滤波 |
| 4.4.3 滤波功能实例 |
| 4.5 本章小结 |
| 5 信号分析理论及系统仿真测试 |
| 5.1 平稳信号分析 |
| 5.2 非平稳信号分析 |
| 5.2.1 时频分析方法 |
| 5.2.2 时频组合分析方法 |
| 5.3 本章小结 |
| 6 测试系统的实验验证 |
| 6.1 砂轮机信号分析 |
| 6.2 发动机信号分析 |
| 6.2.1 发动机实验 |
| 6.2.2 发动机信号频域分析 |
| 6.2.3 发动机信号时频域分析 |
| 6.3 本章小节 |
| 7 总结和展望 |
| 7.1 全文总结 |
| 7.2 论文创新点 |
| 7.3 不足和展望 |
| 8 参考文献 |
| 9 攻读学位期间发表论文情况 |
| 10 致谢 |
（5）婴儿心率的非接触式自适应鲁棒实时监测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景 |
| 1.3 现有婴儿心率监测方法与设备概述 |
| 1.3.1 接触式心率监测 |
| 1.3.2 非接触式心率监测 |
| 1.4 非接触式心率监测研究现状 |
| 1.5 本文的研究内容、目的及意义 |
| 1.5.1 本文的研究内容 |
| 1.5.2 本文的研究目的及意义 |
| 1.6 本章小结 |
| 第二章 成像式光电容积描记法的理论分析 |
| 2.1 引言 |
| 2.2 成像式光电容积描记技术的理论基础 |
| 2.2.1 IPPG技术的生理学基础—脉搏波的形成及其在生理信号检测中的应用 |
| 2.2.2 IPPG技术的光学理论基础 |
| 2.2.3 IPPG技术探测信号—光电容积脉搏波的产生 |
| 2.3 成像式光电容积描记系统组成及工作原理 |
| 2.3.1 IPPG系统的组成 |
| 2.3.2 IPPG系统的工作原理 |
| 2.4 成像式光电容积描记系统实现条件 |
| 2.4.1 敏感区域选取 |
| 2.4.2 成像设备性能 |
| 2.4.3 视频信号处理技术 |
| 2.5 本章小结 |
| 第三章 联合面部检测与对齐 |
| 3.1 引言 |
| 3.2 决策树 |
| 3.3 随机森林 |
| 3.4 面部检测与对齐 |
| 3.4.1 形状索引特征 |
| 3.4.2 面部检测器构建 |
| 3.4.3 局部二值特征回归 |
| 3.5 本章小结 |
| 第四章 局部块的生成与自适应选择 |
| 4.1 引言 |
| 4.2 局部块的生成—狄洛尼三角剖分 |
| 4.3 局部块的自适应选择 |
| 4.3.1 非皮肤局部块的滤除 |
| 4.3.2 稳定局部块的选择 |
| 4.4 本章小结 |
| 第五章 改进反射光强模型及光照变化干扰的消除 |
| 5.1 引言 |
| 5.2 一般反射光强模型 |
| 5.3 改进反射光强模型 |
| 5.4 本章小结 |
| 第六章 系统实现及实验结果和分析 |
| 6.1 引言 |
| 6.2 系统硬件平台 |
| 6.3 系统软件实现 |
| 6.3.1 软件编程平台 |
| 6.3.2 Matlab与VC++的混合编程 |
| 6.3.3 采样时间及监测周期的确定 |
| 6.3.4 上位机界面 |
| 6.4 实验结果及分析 |
| 6.4.1 参数设置 |
| 6.4.2 精确性与鲁棒性衡量指标 |
| 6.4.3 脉搏波信号提取实验对比 |
| 6.4.4 实验结果与对比分析 |
| 6.5 本章小结 |
| 第七章 全文总结 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表论文与成果 |
（6）Visual Studio 2010与Matlab混合编程的研究及其在BCI系统中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究意义 |
| 1.4 本论文的主要研究内容 |
| 第2章 论文研究的理论基础 |
| 2.1 脑机接口系统相关知识 |
| 2.1.1 信号处理技术及脑机接口系统介绍 |
| 2.1.2 脑机接口系统信号采集部分 |
| 2.1.3 脑机接口系统信号处理部分 |
| 2.1.4 脑机接口系统控制设备与反馈部分 |
| 2.2 Kalman滤波 |
| 2.2.1 Kalman滤波算法阐述 |
| 2.2.2 C++\C语言实现Kalman滤波算法 |
| 2.3 BCI实验的信号处理算法概述 |
| 2.3.1 时频域分析方法 |
| 2.3.2 S变换 |
| 2.3.3 脑电信号的分类识别算法 |
| 第3章 VC++与Matlab混合编程实现脑电信号的预处理 |
| 3.1 VC++ 6.0 工具平台及VS 2010 工具平台 |
| 3.1.1 最新的VC++0x/11 标准及VC++ 6.0 的问题 |
| 3.1.2 VS 2010 工具平台及其与VC++6.0 的差异 |
| 3.2 利用Matlab Engine实现VC++6.0 工具平台和Matlab的混合编程 |
| 3.2.1 Matlab Engine |
| 3.2.2 VC++6.0 调用Matlab Engine详细方法 |
| 3.3 将Matlab源文件转为C/C++等能够识别的源代码实现混合编程 |
| 3.3.1 Matlab下的MCC简介 |
| 3.3.2 Matcom方法 |
| 3.4 将Matlab文件转为VC可调用的DLL，调用DLL实现混合编程 |
| 3.4.1 VC++6.0 下的DLL简介 |
| 3.4.2 创建动态链接库的方法 |
| 3.5 VS2010和Matlab R2012b混合编程实现脑电信号的预处理 |
| 3.6 本章小结 |
| 第4章 BCI运动想象信号的识别 |
| 4.1 本文所用的ST算法与梯度Boosting算法的理论基础 |
| 4.1.1 ST算法 |
| 4.1.2 梯度Boosting分类识别算法 |
| 4.2 本文的BCI实验方案介绍 |
| 4.2.1 实验前的各项准备 |
| 4.2.2 实验内容介绍 |
| 4.3 本文进行的BCI实验的特征提取与分类效果及分析 |
| 4.3.1 本文BCI实验的特征提取与分类效果 |
| 4.3.2 本文的BCI实验的特征提取与分类准确率分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（7）煤矿井下设备温度预测及预警系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 设备温度预警的国内外研究现状 |
| 1.3 研究的主要内容 |
| 1.4 论文结构安排 |
| 2 煤矿井下设备温度监测系统 |
| 2.1 煤矿井下设备温度监测系统总体方案 |
| 2.2 煤矿井下设备温度监测系统硬件结构 |
| 2.3 本章小结 |
| 3 煤矿井下设备温度预测方法研究 |
| 3.1 时间序列预测 |
| 3.2 基于 ARIMA 的设备温度预测 |
| 3.2.1 ARIMA 模型 |
| 3.2.2 ARIMA 分析建模预测过程 |
| 3.2.3 离心泵电机后轴温度的 ARIMA 预测 |
| 3.3 基于 BP 神经网络的时间序列预测 |
| 3.3.1 BP 神经网络 |
| 3.3.2 BP 神经网络预测 |
| 3.4 基于相空间重构及 BP 神经网络的设备温度预测 |
| 3.4.1 相空间重构及参数的确定 |
| 3.4.2 混沌特性识别 |
| 3.4.3 基于相空间重构的 BP 神经网络预测 |
| 3.4.4 基于相空间重构和 BP 神经网络的煤矿设备温度预测 |
| 3.5 基于经验模态分解的混沌 BP 神经网络预测 |
| 3.5.1 经验模态分解方法 |
| 3.5.2 基于 EMD 的混沌神经网络预测步骤 |
| 3.5.3 基于 EMD 混沌神经网络的设备温度预测 |
| 3.5.4 结果分析 |
| 3.6 本章小结 |
| 4 设备温度预警方法研究 |
| 4.1 DS 证据理论 |
| 4.2 基于 EMD、BP 和 DS 证据理论的预警方法 |
| 4.3 煤矿设备温度预警仿真实验 |
| 4.4 本章小结 |
| 5 基于 Visual C++的设备温度预警软件设计 |
| 5.1 设备温度预警系统的功能需求 |
| 5.2 设备温度预警系统功能的实现 |
| 5.3 VC++与外部程序的接口 |
| 5.3.1 VC++与 Matlab 的接口 |
| 5.3.2 VC++与 Matlab 混合编程的实现 |
| 5.3.3 VC++访问 EXCEL |
| 5.4 软件系统运行界面 |
| 5.4.1 预测预警系统主窗口 |
| 5.4.2 离心泵电机后轴温度的预测预警分析 |
| 5.4.3 离心泵电机前轴温度的预测预警分析 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）煤矿瓦斯涌出量实时预报系统的开发及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 煤矿瓦斯安全监测技术的国内外研究现状 |
| 1.2.2 瓦斯涌出量预测方法的国内外研究现状 |
| 1.3 论文研究方法及主要内容 |
| 1.3.1 论文的研究方法 |
| 1.3.2 论文的技术路线和主要内容 |
| 第2章 混沌时间序列与相空间重构 |
| 2.1 混沌基础理论 |
| 2.1.1 混沌的基本概念 |
| 2.1.1.1 Li-Yorke关于混沌的定义 |
| 2.1.1.2 Devaney关于混沌的定义 |
| 2.1.2 混沌的主要特征 |
| 2.2 混沌相空间重构理论 |
| 2.2.1 延迟时间τ的选取 |
| 2.2.2 嵌入维数m的选取 |
| 2.3 时间序列的混沌特性判断 |
| 2.4 混沌时间序列的预测 |
| 2.4.1 加权一阶局域法 |
| 2.4.2 基于神经网络的混沌时间序列预测 |
| 2.4.2.1 广义神经网络的基础理论 |
| 2.4.2.2 广义神经网络的网络结构 |
| 2.4.2.3 GRNN的混沌时间序列预测模型 |
| 2.5 本章小结 |
| 第3章 瓦斯涌出量的PSO-LSSVM预测模型的建立 |
| 3.1 支持向量机算法的基本理论 |
| 3.2 最小二乘支持向量机算法的基本理论 |
| 3.3 粒子群算法的实现 |
| 3.4 基于混沌相空间重构和PSO-LSSVM的预测模型的建立 |
| 3.5 瓦斯涌出量预测模型实例分析 |
| 3.5.1 瓦斯涌出量时间序列的相空间重构及混沌特性判别 |
| 3.5.2 瓦斯涌出量时间序列预测模型实例分析 |
| 3.5.2.1 一阶加权局域预测模型实例分析 |
| 3.5.2.2 基于相空间重构和GRNN的预测模型实例分析 |
| 3.5.2.3 基于相空间重构和PSO-LSSVM预测模型实例分析 |
| 3.5.2.4 三种预测模型仿真结果及分析 |
| 3.6 本章小结 |
| 第4章 煤矿瓦斯涌出量实时预报系统的开发 |
| 4.1 系统总体方案设计 |
| 4.2 系统硬件的配置 |
| 4.3 系统的软件实现 |
| 4.3.1 系统的可用性 |
| 4.3.2 系统功能 |
| 4.3.3 系统软件的总体设计 |
| 4.3.3.1 数据采集模块程序 |
| 4.3.3.2 瓦斯涌出量预测程序 |
| 4.3.4 软件性能 |
| 4.4 数据库环境与设计 |
| 4.4.1 数据库介绍 |
| 4.4.2 SQLServer2005的环境要求 |
| 4.4.3 数据库详细设计 |
| 4.4.4 系统的安全性 |
| 4.5 本章小结 |
| 第5章 煤矿瓦斯涌出量实时预报系统的应用 |
| 5.1 瓦斯涌出量实时智能预报系统预测能力 |
| 5.2 瓦斯涌出量实时智能预报系统精度 |
| 5.3 本章小结 |
| 第6章 结论 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士期间发表的论文和科研成果 |
| 1 发表论文情况 |
| 2 参与科研项目 |
（9）基于拟脉冲原理的单轮平板式悬架参数检测系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 拟脉冲激励法 |
| 1.2.1 拟脉冲激励及其共振响应技术 |
| 1.2.2 对汽车悬架施行拟脉冲激励的方式 |
| 1.3 汽车悬架隔振性能评价方法 |
| 1.3.1 汽车悬架隔振性能评价方法的发展 |
| 1.3.2 平板式汽车检测台检测与评价 |
| 1.4 课题任务及研究内容 |
| 2 拟脉冲激励悬架参数检测系统总体设计 |
| 2.1 系统功能需求 |
| 2.2 系统总体设计 |
| 2.2.1 硬件总体设计 |
| 2.2.2 软件总体设计 |
| 2.3 本章小结 |
| 3 基于混沌参数甄别悬架-车轮系统振动信号的周期性 |
| 3.1 混沌特征参数 |
| 3.2 甄别悬架-车轮系统振动响应信号周期性的原理 |
| 3.3 关联维与最大Lyapunov指数的算法与编程 |
| 3.3.1 时间序列的相空间重构 |
| 3.3.2 G-P算法 |
| 3.3.3 小数据量方法计算最大Lyapunov指数 |
| 3.3.4 计算混沌特征参数的MATLAB程序 |
| 3.4 悬架-车轮系统振动信号的周期性判别 |
| 3.4.1 悬架-车轮系统振动时域信号 |
| 3.4.2 参数选择 |
| 3.4.3 无标度区的确定 |
| 3.5 实例分析 |
| 3.6 本章小结 |
| 4 拟脉冲激励悬架参数检测系统硬件设计 |
| 4.1 拟脉冲激励悬架参数检测系统硬件平台设计 |
| 4.2 单轮平板式悬架参数检测方式 |
| 4.3 硬件电路模块 |
| 4.3.1 压电力传感器 |
| 4.3.2 加速度传感器 |
| 4.3.3 电荷放大器 |
| 4.3.4 数据采集卡 |
| 4.3.5 其他器件 |
| 4.4 本章小结 |
| 5 拟脉冲激励悬架参数检测系统软件设计 |
| 5.1 拟脉冲激励悬架参数检测软件总体设计 |
| 5.2 拟脉冲激励悬架参数检测软件面板子系统设计 |
| 5.3 拟脉冲激励悬架参数检测软件数据采集子系统设计 |
| 5.3.1 数据采集子系统设计思路 |
| 5.3.2 UA302型A/D采集器工作原理 |
| 5.3.3 UA302型A/D采集器通信模块设计 |
| 5.3.4 多线程技术在数据采集子系统中的应用 |
| 5.3.5 数据存储的实现 |
| 5.4 拟脉冲激励悬架参数检测软件检测结果处理和输出子系统设计 |
| 5.4.1 计算悬架参数族 |
| 5.4.2 检测结果处理和输出子系统总体设计 |
| 5.4.3 数据处理模块设计 |
| 5.4.4 时域图绘制功能的实现 |
| 5.4.5 结果处理和输出模块设计 |
| 5.5 VC++与MATLAB混合编程 |
| 5.5.1 VC++和MATLAB混合编程的原因 |
| 5.5.2 VC++与MATLAB混合编程几种方法的比较 |
| 5.5.3 利用动态链接库方法实现MATLAB与VC++混合编程的步骤 |
| 5.6 本章小结 |
| 6 现场调试与结果分析 |
| 6.1 模拟检测 |
| 6.2 实车检测 |
| 6.2.1 检测仪器与设备 |
| 6.2.2 确定采样参数 |
| 6.2.3 仪器箱 |
| 6.2.4 具体操作步骤 |
| 6.2.5 检测注意事项 |
| 6.2.6 检测结果及分析 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
（10）基于MATLAB与VC的风电机组齿轮箱振动信号采集与分析系统（论文提纲范文）
| 1 振动信号采集与分析系统 |
| 1.1 数据采集软件的设计 |
| 1.2 数据分析系统的设计 |
| 1.2.1 时域统计指标 |
| 1.2.1.1 有量纲分析指标 |
| 1.2.1.2 无量纲分析指标 |
| 1.2.2 频域分析 |
| 1.2.2.1 频谱分析 |
| 1.2.2.2 细化谱分析 |
| 1.2.2.3 小波包分析 |
| 1.2.3 混合编程方法 |
| 1.2.3.1 目录设置 |
| 1.2.3.2 添加库文件 |
| 1.2.3.3 启动MATLAB引擎 |
| 2 实验测试 |
| 3 结论 |
四、MATLAB与VC++混合编程进行混沌时间序列分析（论文参考文献）
- [1]电网短期负荷预测平台开发与应用[D]. 马贺. 山东大学, 2020(04)
- [2]基于多生理信息的情绪识别平台建立[D]. 范如俊. 长春大学, 2020(01)
- [3]基于SAGA和BP网络的非线性函数极值求取系统的设计与实现[D]. 张婕. 山东师范大学, 2020(08)
- [4]基于混合编程数据采集及多功能分析系统研究[D]. 殷磊. 天津科技大学, 2019(07)
- [5]婴儿心率的非接触式自适应鲁棒实时监测方法研究[D]. 许桢杰. 江苏大学, 2019(03)
- [6]Visual Studio 2010与Matlab混合编程的研究及其在BCI系统中的应用[D]. 陈旭宁. 山东师范大学, 2017(11)
- [7]煤矿井下设备温度预测及预警系统研究[D]. 高杏梅. 西安科技大学, 2014(03)
- [8]煤矿瓦斯涌出量实时预报系统的开发及应用[D]. 杨晓帆. 河北工程大学, 2014(03)
- [9]基于拟脉冲原理的单轮平板式悬架参数检测系统设计[D]. 汪正杰. 南京理工大学, 2014(07)
- [10]基于MATLAB与VC的风电机组齿轮箱振动信号采集与分析系统[J]. 刘俊,杨俊华,杨梦丽,曾君,杨金明. 广东电力, 2013(06)