6个研究背景和意义示例,教你写计算机CEEMDAN论文

今天分享的是关于CEEMDAN的6篇计算机毕业论文范文, 如果你的论文涉及到CEEMDAN等主题,本文能够帮助到你

往复式液压冲击机械运动特性检测与分析研究

这是一篇关于往复式液压冲击机械,加速度无线传输,CEEMDAN,微信小程序,数值积分,Web的论文, 主要内容为往复式液压冲击机械性能参数测试对推动液压冲击技术的发展和产品性能的改进具有重要意义。本文在讨论总结目前国内外液压冲击机械冲击性能参数测试方法的基础上,提出了一种微型无线式加速度实时检测方法,将蓝牙无线传输技术应用到冲击活塞的加速度检测中,集成了一套新型的往复式液压冲击机械运动特性无线式检测系统。主要的研究工作和创新点如下:(1)基于STM32芯片和蓝牙模块设计了无线式加速度检测设备,包括检测装置、硬件电路和下位机主控程序,可实现液压冲击机械加速度数据的采集和无线传输,基于微信登录技术设计了微信小程序上位机数据采集软件。(2)针对往复式液压冲击机械的加速度信号具有非平稳、非线性的特点,本文提出了一种基于CEEMDAN自相关能量来判别噪声分量,并构造新的小波阈值函数对噪声分量做处理,提高了加速度信号的稳定性和准确度,效果优于普通的CEEMDAN方法。(3)针对预处理过的加速度信号中还存在直流分量和低频随机漂移的问题,本文使用零相位高通滤波器去除低频随机漂移并保证滤波前后相位的一致,利用自回归模型端点数据延拓的方法抑制零相位高通滤波后信号两端产生的瞬态效应,并采用多项式拟合修正由于初始值不为零引起的趋势项误差,修正效果优于普通的高通滤波方法。(4)本文的Web端加速度信号处理系统使用前后端分离的开发模式,采用基于MVVM架构的Vue.js、UI组件库element和前端打包构建工具Webpack等开发该系统的前端部分,使用Django框架和并行分布式框架Celery实现系统后台服务端的搭建,无需下载安装,只需通过浏览器访问,即可实现加速度数据的上传、下载和数据协作以及处理结果可视化,本文提出的降噪算法和积分算法都已集成至基于B/S架构的Web端加速度信号处理系统。(5)最后通过实验对本文所设计的无线式加速度检测系统做了性能测试和功能测试。将实验处理结果与参考值作了对比分析,证明了本文检测方案的可行性和有效性。

往复式液压冲击机械运动特性检测与分析研究

智能运维时序数据异常检测研究

这是一篇关于时间序列,LSTM,CEEMDAN,异常检测,在线聚类,局部密度的论文, 主要内容为随着硬件和软件技术的进步,企业IT系统的规模变得愈发庞大。分布式的复杂系统、基于微服务的结构也让程序之间的依赖和调用关系变得复杂无比。同时,IT系统的不断扩张也带来了海量的数据,传统的运维方式无法满足日益增长的运维需求,运维智能化的重要性不断上升。本课题针对IT运维系统中的各种监控指标数据的异常检测问题,做了深入的研究。本文针对研究的时间序列的异常特点,利用已有的机器学习技术,结合不同的数据处理方法,对时间序列进行建模,从而实现对时间序列数据的异常检测功能。根据场景的不同主要分为以下两种类型的算法:针对基于预测的时间序列异常检测算法,结合时序数据分解与滑窗机制设计了一种基于时间序列分解与预测的异常检测算法D-LSTMAD(Decomposition and LSTM Based Anomaly Detection)。首先,使用基于密度的聚类算法对数据进行初步处理,去掉其中突变的点,并使用三次样条插值法补全数据;然后使用全集成自适应经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法对处理过的时间序列进行分解,得到一系列包含原序列不同时间尺度局部特征的分量;接着,利用滑动窗口处理分解后的分量,构造算法的输入与输出,使用长短期记忆网络(Long Short-Term Memory,LSTM)算法训练模型;最后,使用基于滑窗的动态阈值规则来对数据进行异常判定。基于雅虎的WebscopeS5数据集,通过与两个典型算法的实验结果相比,验证了模型预测的准确性,与当前先进算法的比较结果也证明了算法在异常检测方面的优异效果。针对基于聚类的时间序列异常检测算法,结合时间序列的在线聚类算法与局部离群因子(Local Outlier Factor,LOF)算法,设计出了一种基于聚类与密度的在线无监督时间序列异常检测算法CDBOAD(Clustering and Density Based Online Anomaly Detection)。首先,利用滑动窗口处理时间序列数据,构造输入向量;然后使用在线聚类算法Den Stream(Density-Based Clustering over an Evolving Data Stream with Noise)对输入数据进行聚类;最后,根据基于局部密度的异常检测规则以及聚类结果判断输入数据的异常二元判定值。在雅虎的WebscopeS5数据集上的实验结果表明该算法具有良好的实时性,同时,在Numenta异常基准下的实验结果表明,该模型在异常检测方面取得了较好的效果。

物联网无线信息采集与健康信息管理系统的研究

这是一篇关于无线数据采集,CEEMDAN,微服务,Dubbo,高性能服务的论文, 主要内容为健康是人类追求的目标之一,健康信息的有效管理是人们迫切关心的问题。目前,要利用现代信息技术去完善健康信息的管理,并把健康管理进行家庭化或社区化。但是,市场上出现的健康产品功能不够完善,例如检测不够方便,信息不全面,与移动设备和云端服务器连接不够迅速。基于该趋势和研究现状,本课题提出研究物联网无线信息采集与健康信息管理系统。通过采集设备采集体温、心电、血压、血糖、血氧饱和度等生理参数,利用无线模块将生理参数传输到移动设备,移动设备接收和显示生理参数。同时设计高性能健康管理云服务系统,接收和处理设备传输的生理数据并保存数据。具体做了以下工作:(1)设计无线通信协议和移动端程序。生理参数采集设备与无线模块通信。为了更好的传输生理数据,设计了采集设备基础通信协议,有效地实现了采集模块网络直连和移动端多蓝牙多采集设备连接程序。(2)波形信号噪声处理。分析了脉搏波信号特点和噪声干扰种类;针对EMD(Empirical Mode Decomposition)、EEMD(Ensemble Empirical Mode Decomposition)、CEEMDAN(The Complete Ensemble Empirical Mode Decomposition With Adaptive Nosie)算法在脉搏波波形处理过程中的缺点,提出使用改进的CEEMDAN算法对脉搏波波形去噪,提高了采集设备准确性和抗干扰性。(3)健康信息管理系统的云端服务器处理程序。提出利用DUBBO微服务架构实现后台调度;对数据库表进行设计,优化表的查询时间;完成服务器前端和实时曲线绘制架构;对服务器高并发问题进行处理,优化并降低了云端服务器的访问延迟。(4)系统功能测试分析。对移动端多蓝牙连接成功率、耗时和传输吞吐量进行测试;同时验证了改进的CEEDMAN算法在实际脉搏波信号处理过程的去噪优势;采用专业医疗设备测量结果与采集设备测量结果进行对比,对比的结果表明采集设备采集数据的准确性达到设计要求。在服务器性能方面,利用相关测试工具对服务器的抗压能力进行计算,结果表明服务器每天能够承受百万次请求。