奇异值分解(SVD)

摘要： 功率-电压下垂控制策略无需站间通信,可拓展性和可靠性较高,广泛应用于模块化多电平换流器多端柔性直流输电(modular multilevel converter multi-terminal direct current transmission,MMC-MTDC)系统中,但其电压质量容易受功率波动影响、直流电压偏差较大,不利于系统的安全稳定运行。针对这一问题,提出了一种不平衡功率可调节范围的量化分析方法。通过构建多端柔直系统小信号模型,推导电网内不平衡功率与直流电压偏差间的传递函数表达式。基于奇异值分解(singular value decomposition,SVD)和频域分析,分别从稳态和动态角度分析下垂控制规律,以允许的最大直流电压偏差为增益边界,计算得出允许的功率调节极限。算例分析和仿真验证表明:所提方法能够有效量化评估下垂控制的功率调节范围,为MTDC系统的安全稳定运行提供指导依据。

摘要： 针对强背景噪声下水工结构振动信号微弱特征提取困难的问题,提出了一种基于经验小波变换(EWT)和奇异值分解(SVD)的联合降噪方法。首先,针对信号主要频率特征,利用EWT算法分解信号,获得具有信号频率特征的IMF分量;然后,求取IMF分量的奇异值,运用SVD算法重构IMF分量,实现振动信号高频噪声的滤除。通过对实际工程振动信号的分析,验证了该方法不仅对振动信号中的噪声具有较好的滤除效果,还能够更清晰、有效提取结构的振动特征信息,对水工结构安全监测具有一定的实用价值及推广意义。

摘要： 解卷积方法已广泛应用于振动信号的故障冲击提取。然而设备运行工况复杂多变、故障特征周期难以准确预知以及随机冲击干扰,使得当前的解卷积方法难以适应工业现场复杂环境下故障冲击增强的需求。针对该问题,提出了一种基于信号子空间的新型盲解卷积方法。该方法通过奇异值分解(SVD)方法将测试信号空间分解,分离各子空间,在此基础上通过稀疏编码收缩抑制子空间噪声,以脉冲稀疏指数为指标筛选有效子空间,最后迭代实现故障脉冲提取。轴承变转速仿真试验和列车轴承试验结果表明,该方法不仅可以有效消除随机冲击和噪声,避免能量对子空间筛选的影响,而且在缺乏准确的故障特征周期情况下仍能实现故障脉冲的准确提取。

摘要： 针对一类多模态振动衰减信号的模态参数识别,结合奇异值分解(singular value decomposition,SVD)、解析模态分解(analytical mode decomposition,AMD)、自回归功率谱和粒子群优化(particle swarm optimization,PSO)算法,提出了一种改进的模态参数识别方法(PSO-AMD),可实现在强干扰环境下密集频率信号的模态参数识别。对模拟振动响应信号的分析结果表明,该研究提出的改进方法具有更高的稳定性,对低信噪比、密集频率、大阻尼的振动信号仍保持高识别精度。该研究的模态参数识别方法可应用于复杂噪声环境中的大阻尼和密集频率衰减振动信号的模态参数识别。

摘要： 信息过载的问题愈发严重,在大数据时代针对不同用户提高电影推荐系统的推荐性能一直存在巨大的挑战。为了有效地解决信息过载和用户体验满意度低的问题,需要选择合适的个性化推荐算法。文章概述了主流的机器学习推荐算法,并通过实验比较分析了各算法的优缺点,针对推荐算法普遍存在的冷启动和数据稀疏性问题,提出了相应的解决方案。

摘要： 电压暂降是影响配电系统电能质量的重要因素之一。针对这一问题,提出一种基于奇异值分解(Singular Value Decomposition,SVD)排列熵的电网暂降源分析方法。首先通过对采集的电压暂降信号进行SVD分解,得到一组包含不同程度信息的分量信号。其次求取重点分量信号的排列熵,突出电压信号信息组成的特征向量,进行电压暂降源的分析识别。最后将该方法应用于火电厂配电系统的电压暂降系统仿真实验中,证明其有效性和可行性。

摘要： 针对时域信号中强干扰信号的抑制问题,提出一种基于奇异值分解(Singular Value Decomposition,SVD)的时域强干扰信号抑制方法。该方法通过构建一维时域信号的信号矩阵,对矩阵进行SVD处理,得到分解后的奇异值矩阵及对应的奇异向量矩阵;通过设定门限对奇异值进行筛选,将强干扰信号所对应的奇异值置零并还原信号矩阵,从而实现强干扰信号抑制。仿真结果表明,该方法对单频信号、线谱信号及周期性信号的干扰具有较好的抑制效果。

摘要： 工况传递路径技术(operational transfer path analysis,OTPA)可以根据运行工况下的振动数据对故障进行溯源分析,该方法需要有大量不同工况下的运行数据,这对于航空发动机等很多旋转机械而言是不现实的。为解决运行工况数量不足问题,提出一种基于频响函数的工况传递路径分析方法。以航空发动机转子试验台为例,试验获取整机状态下激励点到轴承座和机匣测点的频响函数矩阵,将其作为OTPA模型的输入和输出,通过奇异值分解技术消除输入之间的串扰导致的矩阵病态,进而求出传递率矩阵。根据传递率系数确定机匣各部位对各轴承座的振动敏感度,根据振动贡献量确定机匣振动来源。在航空发动机双转子试验台上开展了试验研究,验证了该方法的可靠性。

摘要： 现有的变电站局部放电定位方法在定位时存在较大的定位误差,为此提出基于融合聚类的220 kV变电站局部放电定位方法。采用奇异值分解(Singular Value Decomposition,SVD)的方式对放电信号进行非线性滤波降噪处理,结合信号成分的含量越高,对应的奇异值越大的特点,根据奇异值差分谱中任意2个相邻奇异值参量的变化程度确定保留或是剔除。以时域波形幅值为基准对降噪后的信号进行划分,根据各个划分结果对应的信号特征与变电站的额定输出信号的相似度对信号聚类,信号数据最多的聚类对应的位置即为最终计算得出的放电位置。测试结果表明,设计方法的定位结果与实际放电位置的误差稳定在0.30~0.50 m,具有较高的准确性。

摘要： 针对运载火箭飞行过程中发生的伺服机构故障,提出了一种基于奇异值分解(SVD)的自适应重构方法。首先,将伺服故障下重构问题转化为优化问题,完成了对伪逆法、线性规划法、混合优化法3种常用优化方法的分析和评估;其次,针对现有方法的缺点,基于SVD提出了一种求解直接重构问题次优解的改进方法,并给出推导过程。数学仿真表明,所提出的基于SVD改进的自适应重构方法,兼顾了伪逆法的计算高效、线性规划法的输出共线等优点,具有较高的工程应用价值。

摘要： 本发明公开了一种基于chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制方法，主要解决K-SVD中存在的效率低和“超出内存”问题。其实现过程是：输入含噪图像，对此图像进行重叠块提取，得到重叠块集合；对重叠块集合进行随机抽样，得到训练样本；对训练样本进行基于chelesky分解和近似奇异值分解的稀疏K-SVD字典训练，得到最终的稀疏字典；根据最终的稀疏字典得到最终的训练字典；在最终的训练字典下对重叠块集合进行基于chelesky分解的OMP稀疏编码，得到稀疏编码系数；根据冗余稀疏表示图像噪声抑制理论，利用最终的训练字典和稀疏编码系数，得到去噪后图像。本发明能够有效的提高执行效率和解决“超出内存”问题，可用于数字图像处理等领域。

摘要： 描述了用于使用雅可比旋转对矩阵进行分解的技术。以多个复数值雅可比旋转矩阵对第一个复数值矩阵进行多次雅可比旋转迭代，以将第一个矩阵中的非对角线元素变为零。对于每次迭代，可以基于第一个矩阵构成子矩阵，并且对子矩阵进行分解以获得该子矩阵的本征向量，并且可以以该本征向量构成雅可比旋转矩阵，并且将雅可比旋转矩阵用于对第一个矩阵进行更新。基于雅可比旋转矩阵得到包含正交向量的第二个复数值矩阵。对于本征值分解，可以基于雅可比旋转矩阵得到第三个本征值矩阵。对于奇异值分解，可以基于雅可比旋转矩阵得到具有左奇异向量的第四个矩阵以及奇异值矩阵。

摘要： 本发明公开了基于经验模态分解和奇异值分解的振源数估计方法，包括S1：采集行星减速器振动观测信号；S2：采用经验模态分解方法对振动观测信号进行虚拟通道扩展；S3：采用奇异值分解方法求取通道扩展后振动信号的相关系数矩阵特征值；S4：利用K均值聚类方法分析相关系数矩阵特征值聚集结果，由最终聚类数量减去1作为振动信号盲源数估计结果，指导行星减速器的盲源分离和后续故障诊断。本发明解决行星减速器故障诊断过程中存在的观测传感器数量小于振源数量，无法准确估计行星减速器振动信号振源数量问题，可在不增加观测传感器硬件数量的前提下准确实现振动信号盲源数估计，提高基于振动信号分析的行星减速器故障诊断准确性。

摘要： 本发明公开了一种能对复杂电路进行快速电磁仿真的方法，它是基于矩阵分解结合新的奇异值分解来对复杂电路进行高效仿真，利用三角形对模型进行精确模拟，还利用树形结构中远场组具有很好的低秩特性原理，对远场组进行低秩压缩，得到比较稀疏的矩阵表示形式，本发明所述分析方法不依赖于格林函数的展开形式，提出的基于MDA的新的奇异值压缩方法来减少内存和计算时间，是一种纯的数学方法，能够将计算复杂度降为O(NlogN)，将内存消耗降为O(NlogN)。特别适合用于对大规模复杂电路电磁的仿真分析。也可为格林函数比较复杂的电路结构的仿真提供了有效的条件。

摘要： 本发明公开了一种基于chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制方法，主要解决K-SVD中存在的效率低和“超出内存”问题。其实现过程是：输入含噪图像，对此图像进行重叠块提取，得到重叠块集合；对重叠块集合进行随机抽样，得到训练样本；对训练样本进行基于chelesky分解和近似奇异值分解的稀疏K-SVD字典训练，得到最终的稀疏字典；根据最终的稀疏字典得到最终的训练字典；在最终的训练字典下对重叠块集合进行基于chelesky分解的OMP稀疏编码，得到稀疏编码系数；根据冗余稀疏表示图像噪声抑制理论，利用最终的训练字典和稀疏编码系数，得到去噪后图像。本发明能够有效的提高执行效率和解决“超出内存”问题，可用于数字图像处理等领域。

摘要： 描述了用于使用雅可比旋转对矩阵进行分解的技术。以多个复数值雅可比旋转矩阵对第一个复数值矩阵进行多次雅可比旋转迭代，以将第一个矩阵中的非对角线元素变为零。对于每次迭代，可以基于第一个矩阵构成子矩阵，并且对子矩阵进行分解以获得该子矩阵的本征向量，并且可以以该本征向量构成雅可比旋转矩阵，并且将雅可比旋转矩阵用于对第一个矩阵进行更新。基于雅可比旋转矩阵得到包含正交向量的第二个复数值矩阵。对于本征值分解，可以基于雅可比旋转矩阵得到第三个本征值矩阵。对于奇异值分解，可以基于雅可比旋转矩阵得到具有左奇异向量的第四个矩阵以及奇异值矩阵。

摘要： 本发明涉及一种基于奇异值分解与变分模态分解的轴承诊断方法，使用奇异值分解的方法对采集得到的振动信号进行去噪处理，对去噪后的信号进行变分模态分解；依据峭度值选取原则，选取变分模态分解得到的k个模态分量中有效的模态分量进行包络谱分析，识别轴承早期的微弱故障，确定故障类型。本发明将奇异值去噪与变分模态分解模型各自的优势相结合，能够准确的判断轴承的故障类型，并能够有效的识别轴承早期微弱的故障特征。利用该诊断方法能够对加工中心主轴轴承的健康状态进行监测，合理安排更换采购时间可有效的避免因为零部件的更换而导致的设备停机造成巨大的经济损失。

摘要： 本发明公开一种样本特性化系统。在实施例中，所述样本特性化系统包含通信地耦合到检验子系统的控制器，所述控制器包含经配置以执行存储于存储器中的程序指令集的一或多个处理器，所述程序指令集经配置以导致所述一或多个处理器：获取样本的一或多个目标图像帧；利用所述一或多个所获取目标图像帧来产生目标张量；对所述目标张量执行第一组的一或多个分解过程以形成产生包含一或多个参考图像帧的一或多个参考张量；识别所述一或多个目标图像帧与所述一或多个参考图像帧之间的一或多个差异；及基于所述一或多个所识别差异来确定所述样本的一或多个特性。

摘要： 本发明公开了基于经验模态分解和奇异值分解的振源数估计方法，包括S1：采集行星减速器振动观测信号；S2：采用经验模态分解方法对振动观测信号进行虚拟通道扩展；S3：采用奇异值分解方法求取通道扩展后振动信号的相关系数矩阵特征值；S4：利用K均值聚类方法分析相关系数矩阵特征值聚集结果，由最终聚类数量减去1作为振动信号盲源数估计结果，指导行星减速器的盲源分离和后续故障诊断。本发明解决行星减速器故障诊断过程中存在的观测传感器数量小于振源数量，无法准确估计行星减速器振动信号振源数量问题，可在不增加观测传感器硬件数量的前提下准确实现振动信号盲源数估计，提高基于振动信号分析的行星减速器故障诊断准确性。

摘要： 本发明公开了一种基于小波变换、奇异值分解、海森堡分解和果蝇优化算法的图像隐藏方法，其特征在于，包括如下步骤：1）水印的嵌入；2）水印的提取；3）图像隐藏。这种方法能使嵌入水印的图像具有良好的隐蔽性、该图像受到图像操作攻击和几何攻击时具有强鲁棒性，特别是在对抗缩放攻击、滤波攻击、噪声攻击、锐化攻击、JPEG压缩和JPEG 2000压缩攻击时有着很强的鲁棒性。