(3.238.186.43) 您好!臺灣時間:2021/02/28 21:55
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:欉子銘
研究生(外文):TSUNG, TZU-MING
論文名稱:應用混沌時間序列的模型於診斷鉛酸電池老化
論文名稱(外文):Application of Chaotic Time Series Model for Diagnosing Aging of Lead-Acid Batteries
指導教授:黃思倫黃思倫引用關係
指導教授(外文):Huang, Sy-Ruen
口試委員:黃國興陳鴻誠
口試委員(外文):HUANG, GUO-SHINGCHEN, HUNG-CHENG
口試日期:2020-07-02
學位類別:碩士
校院名稱:逢甲大學
系所名稱:資訊電機工程碩士在職學位學程
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2020
畢業學年度:108
語文別:中文
論文頁數:93
中文關鍵詞:混沌時間序列混沌特徵識別碎形動態系統接受者操作特徵異常辨識
外文關鍵詞:Chaotic Time SeriesChaotic Characteristics IdentificationFractal, Dynamical SystemsSupport Vector Data Description(SVDD)Abnormal Indentification
相關次數:
  • 被引用被引用:0
  • 點閱點閱:29
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
隨著非線性混沌動力學的發展,人們對於時間序列的複雜性更具有深刻的認識,尤其是混沌時間序列的分析已經成為一個非常重要的研究方向。由於鉛酸電池充電是一種非線性行為,因此傳統信號處理方法很難識別和預測鉛酸電池的老化現象。
混沌和碎形可以幫助找出鉛酸電池老化的內部規律。鉛酸電池充電電壓信號具有混沌和碎形現象,主要使用最大的Lyapunov指數和碎形維數進行判斷。研究顯示,混沌和碎形理論可以將鉛酸電池充電電壓信號的本質反映為複雜的混沌系統。因此,提出一種新的結合混沌碎形特徵和SVDD的動態系統異常識別和特徵選擇方法。
本論文的主要創新之處是:將混沌時間序列研究方法引入到鉛酸電池科學中,運用混沌理論方法對於鉛酸電池老化診斷進行分析與研究,並得到一系列研究成果。結果顯示,可以藉由兩個混沌特性分別揭示電池老化。本研究可為檢測鉛酸電池老化狀況提供理論依據,有助於防止斷電事故的發生、節省維護成本、提高鉛酸電池的利用率、從而降低成本。

With the development of nonlinear chaos dynamics, people have a better understanding of the complexity of time series, especially the chaotic time series analysis has become a very important research direction. Because the lead-acid battery charging is a nonlinear behavior, it is difficult to identify and predict the lead acid battery aging phenomenon with the traditional signal processing method.
Chaos and fractal can help to find out the internal regularity of the lead acid battery aging. Charging voltage signals has chaos and fractal phenomena that mainly uses the largest Lyapunov index and fractal dimension to judge.
Study has showed that the chaos and fractal theory can reflect the essence of the lead-acid battery charging voltage signal as complex chaotic system. Hence, a new abnormal identification and feature selection method of dynamic systems that combines chaos fractal feature and support vector data description (SVDD) is presented.
The main innovation of the thesis is: the chaotic time series research method is introduced into the production of lead-acid batteries science. The chaos theory is applied for analysis and research on the diagnosing aging of lead-acid batteries and a series of results are obtained. It is demonstrated that the battery aging can be revealed by all the two chaotic characteristics individually. The study can provide theoretical for the detecting of lead-acid batteries ageing conditions, which is helpful to prevent incident of lose power, save maintenance cost, improve the utilization rate of the lead-acid batteries, and thus reduce costs.

摘 要 i
Abstract ii
謝 誌 iii
目 錄 iv
圖目錄 vi
表目錄 vii
第一章、緒論 1
1.1研究動機 1
1.2過去國內外文獻探討 5
1.3本論文主要研究工作 7
1.3.1 本論文的研究方法 7
1.3.2 本論文的結構 7
第二章、鉛酸電池簡介 10
第三章、混沌時間序列的相空間重構簡介 14
3.1混沌理論的基礎 14
3.1.1 混沌概述 14
3.1.2 混沌現象的3個基本特徵 16
3.1.2 混沌運動的分類 17
3.2相空間重構技術 18
3.2.1 同時決定最佳的嵌入維數m與時間延遲 ---C-C方法 21
3.2.2 鉛酸電池老化相空間重構的時間延遲與嵌入維數估計---CC法 27
第四章、時間序列的混沌特性識別與碎形特徵 30
4.1混沌與隨機的時間序列識別 30
4.1.1 Lyapunov指數估計 30
4.2碎形特徵簡介 32
4.2.1 單一碎形維數--- G.P.演算法的關聯維數估計 34
4.2.2 單一碎形維數---盒維數法 39
第五章、應用支持向量域描述法於鉛酸電池老化異常檢測 47
第六章、實測驗證 50
6.1鉛酸電池量測資料簡介 50
6.2混沌檢測 50
6.2.1 鉛酸電池的充電電壓之電壓訊號的相空間重構的時間延遲與嵌入維數估計-CC法 50
6.2.2 鉛酸電池的充電電壓的電壓訊號之混沌識別-最大Lyapunov指數 66
6.2.3 鉛酸電池的充電電壓訊號的時間序列-G.P.方法的關聯維數估計 69
6.3鉛酸電池老化故障診斷結果與分析 77
6.3.1 資料處理與分析 77
6.3.2 各種特徵量組合的性能評價 78
第七章、結論及未來展望 81
7.1結論 81
7.2未來展望 82
參考文獻 83


[1]A. Fraser and H. Swinney, ““Independent Coordinates for Strange Attractors From Mutual Information,” Time Series, Physical Review A, Vol. 33, pp. 1134–1140, 1986.
[2]M.T. Rosenstein, J.J. Collins, C. Luca, “Reconstruction Expansion as a Geometry-Based Framework for Choosing Proper Delay Time,” Physical D: Nonlinear Phenomena, Vol. 73, pp. 82-98, 1994.
[3]P. Grassberger and I. Procaccia, “Measuring the strangeness of strange attractors,” Physical D: Nonlinear Phenomena, Vol. 9, pp. 189–208, 1983.
[4]M.B. Kennel, R. Brown, H.D.I. Abarbanel, “Determining Embedding Dimension for Phase-Space Reconstruction Using a Geometrical Construction,” Physical Review A, Vol. 45, pp. 3403, 1992.
[5]D. Kugiurmtzis, “State Space Reconstruction Parameters in the Analysis of Chaotic Times Series-the Role of the Time Window Length,” Physical D: Nonlinear Phenomena, Vol. 95, pp. 13-28, 1996.
[6]H.S. Kim, R. Eykholt, J.D. Salas, “Nonlinear Dynamics, Delay Times and Embedding Windows,” Physical D: Nonlinear Phenomena, Vol. 127, pp. 48-60, 1999.
[7]W.A. Broock, J.A. Scheinkman, W.D. Dechert & B. LeBaron, “A Test for Independence Based on the Correlation Dimension,” Econometric Reviews, Vol. 15, Issue 3, pp.197-235, 1996.
[8]Henry D. I. Abarbanel, Analysis of Observed Chaotic Data, Springer, New York, 1996.
[9]A. Wolf , J.B. Swift, H. Swinney, J. Vastano, “Determining Lyapunov Exponents From a Time Series,” Physical D: Nonlinear Phenomena, Vol. 16, pp. 285- 317, 1985.
[10]M. Casdagli, “Nonlinear Prediction of Chaotic Time Series,” Physical D: Nonlinear Phenomena, Vol. 35, pp.335-356, 1989.
[11]N.H. Packard, J.P. Crutchfield, J.D. Farmer, R.S. Shaw , “Geometry From a Time Series,” Physical Review Lett, Vol. 45, Issue 9, pp.712- 716, 1989.
[12]F. Takens, “Detecting strange attractors in turbulence,” Lecture notes in Math, Vol. 898, pp.366, 1981.

電子全文 電子全文(網際網路公開日期:20260101)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關論文
 
無相關期刊
 
無相關點閱論文
 
系統版面圖檔 系統版面圖檔