中国通货膨胀成因的非线性分解及随机冲击效应

针对中国通货膨胀在高通胀与低通胀时期的非线性动态特征,使用非线性数据分解技术,将中国不同时期通货膨胀的影响因素分解为供给冲击、需求冲击和货币冲击,进而使用非线性广义脉冲响应函数研究随机冲击对通胀的动态冲击效应。结果表明:中国通货膨胀的动态特征在通胀率为2.89%处发生非线性转换,随机冲击对通胀的动态效应也随之改变;需求冲击与货币冲击对通胀形成正向效应,供给冲击对通胀形成负向效应;2012年下半年以来中国低通胀主要是源于负向需求冲击的结果;未来一定时期内,中国通胀将维持较低水平。因此,中央银行为保增长可适度放松货币政策。

基于非线性模式分解的配电网高阻接地选线方法

由于故障电流微弱、故障发生时刻不确定及受线路参数和随机因素影响等原因,一直缺乏可靠的高阻接地故障选线方法。通过建立弧光高阻接地故障的等效电路,分析暂态过程中故障线路和健全线路零序电流的区别以及与母线零序电压之间的关系。然后考虑传统电弧模型难以代入等效电路进行计算的问题,提出一种适应弧光高阻接地故障解析的电弧模型及其分段线性等效方法,有效还原了高阻接地故障伴随电弧的非线性特征。经非线性模态分解(NMD)有效提取出故障零序电流。

基于变分非线性调频模式分解的直驱式波浪发电系统控制

海浪的非平稳特性会影响直驱式波浪发电系统能量捕获,为此提出基于脊线检测与变分非线性调频模式分解的控制方案。采用短时傅里叶变换方法分析波浪激励力,结合脊线检测设定初始频率;应用变分非线性调频模式分解法分离波浪激励力,获得若干模式分量并提取其瞬时频率;通过计算各模式分量的能量含量确定主导分量,根据其瞬时频率动态调整动力输出装置阻尼,搭建直驱式波浪发电系统模型。仿真结果表明,所提方案能量吸收性能好、输出平均功率高,可有效改善直驱式波浪发电装置性能。

基于多核支持向量机的高光谱影像非线性混合像元分解

针对基于线性模型分解高光谱影像混合像元分解精度低,而非线性模型难以建立等问题,提出了利用多核支持向量机(MKSVM)的后验概率进行高光谱影像非线性混合像元分解的方法。该方法在支持向量机的基础上,以线性加权组合核函数代替单核函数,采用简单多核学习方法迭代解算权系数来实现分类。然后,通过S型函数将分类器输出值转化为概率;将两两配对概率转换为多类后验概率。最后,利用后验概率实现高光谱影像的非线性混合像元分解。采用该方法对两组推帚式超光谱成像仪(PHI)的高光谱影像进行了对比实验,结果表明:该方法的分类精度分别提高到95.62%和91.51%,均方根误差(RMSE)最小分别为11.15%和7.55%,均小于15%。实验结果显示提出的方法基本消除了混合像元对高光谱影像分类的影响,提高了分类精度。

非线性混合像元分解的可视化分析与评价

混合像元的非线性分解通常采用神经元网络模型来拟合,普遍缺乏线性分解模型简单明确的物理意义,导致难于了解像元混合的特点及误差分布的模式。为此,提出均方根误差、双变量统计、置信度估计和混合复杂度等可视化方法来评价非线性混合模型分解的结果,直观地表达出影像中像元的分解精度、混合程度以及误差分布模式等,从而理解非线性混合模型分解的某些特点。实验以投影追踪学习网络(PPLN)为例,利用MOD IS与ETM+数据,对MOD IS混合像元分解进行了可视化分析,一定程度上展现了PPLN分解的某些特点。通过与反向传播神经网络(BPNN)分解比较结果表明,PPLN具有较高的分解精度,总体误差从0.182 8降低到0.171 7,降低了大约6.5%,且可视化分析表明混合程度较大的区域发生在城区和稀疏植被覆盖区。

非线性调频模态分解-同步提取变换方法及其在滚动轴承故障诊断中的应用

传统同步提取变换(SET)方法在处理多分量非平稳复杂信号时,各相邻分量的瞬时频率差要大于窗函数频率支撑范围的2倍,否则时频结果易发生频率混叠,而工程信号常常难以满足。此外,在处理高噪的复杂信号时,其时频分辨率往往不理想。针对此不足,将非线性调频模态分解(VNCMD)引入SET中,提出一种VNCMD-SET的故障诊断方法。利用VNCMD通过结合解调手段以及变分模态分解的联合优化方案来有效处理频率临近甚至交叉的非平稳信号,对故障信号进行分解重构,对该重构信号进行SET处理。将所提方法与传统SET方法进行对比研究,并进行实验验证。仿真和实验结果表明:VNCMD-SET方法明显优于传统SET方法,克服了传统SET方法的不足;VNCMD-SET方法能有效提取出故障信号的频率特征,且不发生混叠,同时具有一定的抗噪性能。

基于端元优化的非线性高光谱分解算法

针对高光谱图像中端元的可变性和光谱的非线性混合特性,提出一种基于端元优化的非线性光谱解混算法,通过加入阴影端元对混合像元的端元集进行优化,对优化的端元子集采用基于分层贝叶斯模型的双线性光谱分解算法进行光谱分解。模拟数据和真实数据实验表明,提出的算法能很好地解决高光谱图像中存在的阴影效应,分解效果优于FCLS和GBM算法。

基于非线性模式分解的旋转机械复合故障特征提取方法

针对旋转机械复合故障振动信号的非平稳特征,提出了一种基于非线性模式分解(NMD)的故障特征提取方法。该方法首先通过NMD将振动信号分解为若干个具有实际物理意义的非线性模态(NM)分量和一个残余分量之和,然后对各NM分量采用包络谱分析提取故障特征。仿真信号的分析结果验证了NMD方法的优越性,在此基础上将NMD方法应用于旋转机械复合故障诊断中,实验数据的分析结果表明,该方法能有效提取出旋转机械复合故障的特征。

基于脊路跟踪的变分非线性调频模态分解方法

针对多个辐射源信号混合构成的多分量信号分离问题,提出基于脊路跟踪的变分非线性调频模态分解算法.该方法使用改进的脊路重组算法对时频分布图中各分量瞬时频率进行提取,将提取出的各分量瞬时频率作为变分非线性调频模态分解的预设频率;利用重构后的多分量信号进行瞬时频率提取,更新预设频率后继续模态分解;重复上述过程,直到迭代前、后频率差值小于预设阈值,输出对应的模态分解结果.实验结果表明,基于脊路跟踪的变分非线性调频模态分解算法比经典变分非线性调频模态分解算法具有更好的多分量信号分离效果.

残疾人就业与扶贫需求的性别差异研究——基于非线性Blinder-Oaxaca分解方法

基于东部沿海某省2017年全国残疾人基本服务状况与专项调查数据,利用Logit模型的Blinder-Oaxaca分解方法研究了残疾劳动力在就业概率上的性别差异及原因。研究结果表明:残疾男性和女性在就业概率上的差异由可观测到的特征差异所能解释的部分很小,劳动力市场上对残疾女性存在明显的性别歧视。进一步研究发现,未就业残疾人的五种就业扶贫需求性别差异大部分是由可观测到的特征差异无法解释的,残疾女性的先天“弱势”是导致他们就业扶贫需求偏低的主要原因。因此政府在制定和完善消除就业歧视政策的同时,更需深入了解不需要帮扶的失业残疾人的具体情况,必要时为他们提供就业心理指导。

基于凸优化的非线性调频模式分解的故障诊断方法

针对非线性调频模式分解(VNCMD)在处理机械故障振动信号时,噪声导致时频模糊致使提取的脊线的准确度降低,进而影响VNCMD分解效果的问题,提出一种凸优化与VNCMD的联合故障诊断方案。通过凸优化算法求解信号的稀疏近似解来消除噪声,这可以提高时频面可读性,从而获取精准的时频脊线,然后利用该脊线VNCMD分解算法可以有效提取信号的故障特征。通过模拟信号和实测轴承外圈故障信号的分析,结果表明该方法可以有效提取轴承故障特征。

基于变分非线性调频模态分解的滚动轴承多故障诊断方法研究

基于变分非线性调频模态分解,提出一种滚动轴承多故障诊断方法。对滚动轴承多故障振动信号分量的瞬时频率和瞬时幅值进行估计;在此基础上,通过最小化信号的带宽实现滚动轴承故障信号的重构。对比所提方法与变分模态分解法,通过实验案例对所提方法进行验证。结果表明:所提方法明显优于变分模态分解方法,即使在强噪声背景下,仍能有效地实现滚动轴承多故障信号的分解与重构,可以有效地诊断滚动轴承多故障。

风电场次同步振荡非线性模态分解与参数辨识

新能源并网系统运行环境复杂,电力电子设备快速响应与电网产生动态相互作用引发次同步振荡(sub-synchronous oscillation,SSO),其信号表现出非线性非平稳特征,辨识困难。该文提出一种非线性模态分解方法,并与Teager-Kaiser能量算子(Teager-Kaiser energy oper-ator,TKEO)相结合实现SSO信号模态参数辨识。首先通过脊线法对信号的时频分析结果进行特征提取构建谐波分量;采用时移替代数据方式判别谐波真伪,并通过频谱熵特征判别进行去噪处理,完成主导模态的分解过程;然后结合TKEO算法实现主导模态的参数辨识;最后通过自合成信号仿真、风电场模型仿真以及电网实测数据仿真验证了文章方法的可行性,与HHT算法、VMD算法仿真结果相比具有较高的辩识精度。

基于非线性混合模型研究太空风化对月壤光谱的影响

月表太空风化会改变月壤光谱特征,影响月壤元素遥感反演精度.研究太空风化对月壤光谱的影响有助于开发月壤成熟度光谱解耦算法,提高月壤成分遥感反演精度.直接对比月壤风化前后光谱的变化能最真实反映太空风化对光谱的影响,但无法获取未风化的月壤样品,利用实验室模拟方法开展研究也存在缺陷.本文提出了一种简便的方法来研究太空风化对月壤光谱的影响,并以月海样品为例进行探讨.利用Hapke模型对月海样品组成矿物光谱按照实测含量进行非线性混合,并通过对比混合后的光谱与实测的月壤光谱,研究太空风化过程对月壤光谱的影响.研究结果表明,月壤在遭受太空风化后反射率降低,波长越短降低越显著;月壤背景吸收斜率增大,月壤变得更红,月壤矿物特征吸收峰深度降低,光谱对比度变弱,长波吸收峰(2.0μm附近)深度降低程度超过短波吸收峰(1.0μm附近)深度.未来在利用遥感技术反演月壤元素含量时,必须考虑这些因素.

基于非线性小波与形态学相结合的边缘检测方法

小波分析是图像与信号处理研究领域的一个重要工具,现有的小波分析方法大多集中于对线性小波的研究。智能交通中车型识别的基础是精确获取图像中汽车边缘和汽车特性,而图像中汽车边缘特性多表现为非线性性,采用非线性方法进行研究更为适合。文章在描述了非线性小波变换框架后,提出了一种用数学形态学实现非线性小波分解的方法来获取汽车边缘信息。为了正确识别车型,再进一步用修正后的数学形态学检测算子提取汽车边缘,得到了较为清晰的连续汽车边缘,为以后车型进一步分类提供了条件。经过实验检验该方法具有一定的可行性和稳定性。

图像特征点集匹配的稳健非线性投影NMF方法

包含相同目标的图像由于可能存在结构差异而导致特征匹配困难、不精确,针对该问题提出了一种新的匹配方法。首先,提出一种稳健的非线性投影非负矩阵分解方法(RNPNMF),利用RNPNMF得到特征点集的共同投影空间;然后,计算特征点集在共同投影空间的投影,利用特征点集在共同投影空间上的投影实现点集的精确匹配。最后,为验证本文方法的有效性,分别对光学图像和SAR图像进行了实验,实验结果表明:和现有方法相比,本文所提方法能更精确有效的实现特征点集的匹配,同时,应用于图像配准也得到了很好的结果。

考虑火电运行平稳性的飞轮储能辅助二次调频控制策略

为解决电网波动剧烈导致的火电机组运行平稳性问题,提出一种考虑火电运行平稳性的飞轮储能辅助二次调频控制策略。首先,建立了超超临界火电机组联合飞轮储能的二次调频控制模型;其次,提出了一种基于多层变增益速率限制的AGC指令非线性分解方法;最后,综合机组平稳性和系统AGC性能设计了适应度函数,借助鲸鱼优化算法(WOA)实现了最优化的速率限制算法参数获取。基于上述方法设计了火储协同二次调频控制策略。以某1000 MW火电机组-飞轮储能联合系统为例进行了仿真验证。结果表明:所提控制策略在不影响系统调频性能的前提下可以使联合系统有效响应系统高频指令,减小了火电机组的动作幅度,提升了机组运行的平稳性。

基于NMD算法的水电高占比电网低频振荡模态辨识

水电高占比电网中的调速控制问题会导致低于0.1 Hz的超低频振荡,与低频振荡混合加大了低频振荡参数辨识的难度。因此本文提出一种基于自适应的时频分析方法-非线性模态分解(Nonlinear mode decomposition,NMD)来对低频振荡进行参数识别。该方法能够根据信号结构提取时频脊线,估得谐波参数,辨别出对应分量真谐波,消除虚假模态分量。并利用提取出分量的频谱熵特征来设定一个停止分解准则,使分解出的非线性模态分量(Nonlinear mode,NM)具备实际物理意义。对每个NM分量进行Hilbert变换(Hilbert transform,HT)求取振荡参数。最后通过自合成测试信号仿真算例、四机二区系统仿真算例和电网实测算例验证所提方法可行性和有效性。

可变神经网络结构下的遥感影像光谱分解方法

多层感知神经网络(MLP)是主流的非线性分解方法,但是目前缺乏有效方法处理MLP分解结果中的丰度负值问题。为此,提出一种可变神经网络结构的方法,逐步去除负值丰度对应的端元,并调整相应的网络结构使之针对剩余的端元进行分解。通过武汉地区模拟TM遥感影像实验可以发现,该方法与传统MLP方法以及线性光谱分解方法的平均误差分别为0.077 7、0.081 9、0.094 3,说明该方法的分解精度高于其他2种分解方法,能克服丰度负值问题。

农村空巢老人认知功能性别差异分析——基于CLHLS数据的检验

利用2018年中国老年健康影响因素跟踪调查(Chinese Longitudinal Healthy Longevity Survey,CLHLS)数据库,使用非条件Logistic回归和非线性Oaxaca-Blinder分解法,从社会性别角度分析老龄化趋势严峻的农村地区空巢老人的认知功能差异。研究发现,农村空巢老人认知功能存在显著性别差异,农村女性空巢老人认知正常比例显著低于男性,认知评分也显著低于男性;农村女性空巢老人表现出对婚姻状况、孤独感和生活满意度的敏感性,农村男性空巢老人表现出对自评经济的敏感性;农村空巢老人认知差异64.05%与性别自身相关,两性在教育程度、婚姻状况、年龄、日常生活活动能力、社会参与间的个体特征差异使农村空巢老人认知功能差异扩大。建议通过提高医疗服务可获得性、开展社会交往活动等措施提供相关支持,缩小农村空巢老人认知功能的性别差异,从而更好地维护老年人健康。