矩阵式质量检测论文（精选11篇）

矩阵式质量检测论文 第1篇

随着各种非线性用电负荷的广泛应用,电能质量问题日趋严重,已成为电力部门普遍重视和关心的问题。改善电能质量的前提和关键是准确迅速地对电能质量各扰动进行检测和识别[1]。目前电能质量扰动检测和识别的主要方法有傅里叶变换法[2,3,4]、小波变换法和S变换法等[5,6,7,8,9],傅里叶变换是在整个时域内对信号积分,得到在整个时域内信号的均值,对于表征信号局部信息无能为力;小波变换具有良好的时域-频域局部化特性,克服了傅里叶变换的缺点,但是小波变换的结果对小波基的选取具有敏感性,易受噪声的影响,且计算过程复杂,结果缺乏直观性;S变换是在短时傅里叶变换和小波变换的基础上发展的一种新的时频分析方法,利用S变换的模时频矩阵具有更好的时频分析和特征提取特性,结果比小波变换更直观,且方法实现简单[2]。

由于S变换模时频矩阵能够表征电能质量扰动发生时刻、结束时刻、持续时间、扰动幅度和扰动包含的谐波成分等主要电气特征,文中将S变换用于电能质量扰动检测和分类。首先,利用扰动的模时频矩阵幅值的概率密度分布建立各种扰动信号的标准模板;然后,计算扰动信号模时频矩阵幅值的概率密度分布;最后,依据概率密度分布的欧几里德距离计算扰动信号与标准模板的接近程度,进而确定扰动信号的类别,达到对扰动信号检测与识别的目的。仿真结果表明基于S变换模时频矩阵的电能质量检测与识别结果准确,能够实现对扰动信号的正确分类。

1 S变换基本原理

S变换是一种时频可逆分析方法,是对小波变换和短时傅里叶变换的扩展。

信号x(t)的S变换S(τ,f)定义为[8]

式中:w(τ-t,f)为高斯窗函数;τ为控制高斯窗在时间轴上的位置参数;f为频率。

通过式(2)可知,与短时傅里叶变换相比,高斯窗函数窗口高度和宽度随频率而变化,能够有效克服短时傅里叶变换窗口高度和宽度固定的不足。

利用傅里叶变换与卷积定理,可以得到

式中:X(f)是x(t)的傅里叶变换谱;α是平移频率,控制频域中高斯窗在频率轴上移动。

利用现有的快速傅里叶变换算法可实现S变换,经S变换后得到一个复时频矩阵,对矩阵中的各个元素求模即可得到与之对应的模时频矩阵。

2 相似度定义

个体间差异的大小,是评价个体相似性和分类的基础。对扰动信号进行S变换得到模时频矩阵,分析模时频矩阵幅度的概率分布,计算扰动信号模时频矩阵幅度概率分布与标准模板幅值概率密度分布之间的欧几里德距离,即

式中:DA,B是扰动信号与标准模板之间的欧几里德距离;Ai={x i,y i}为扰动信号经S变换模时频矩阵幅值的概率密度分布第i个点;Bi为标准模板模时频矩阵幅值的概率密度分布第i个点。

则扰动信号与标准模板的相似程度可定义为

由式(5)可知,扰动信号模时频矩阵幅值的概率密度分布与标准模板模时频矩阵幅值的概率密度分布之间的欧几里德距离越小,二者之间相似度越大,扰动信号越有可能属于该类扰动,进而可识别扰动信号。

3 实验分析

考虑电压尖峰、电压缺口、电压暂降、电压暂升、电压中断、振荡暂态、谐波7种常见电能质量扰动,各种类型扰动信号数学模型如式(6)~式(12)。

3.1 建立扰动标准化模板

由Matlab编程产生扰动信号,基频为50 Hz,采样频率为1 600 Hz,也即每周波采样32点。建立扰动标准模板:首先,每种扰动信号产生200个随机波形,对每个随机波形进行S变换,得到对应的模时频矩阵;然后,将200个模时频矩阵取平均值,进行平均,并对平均值模时频矩阵幅值计算概率密度,得到幅值概率密度分布图;最后,概率小、幅值大的数值更能表征扰动的特点,为此除去幅值概率密度分布中概率值较大,而幅值较小的数值。最终建立各种扰动标准模板,如图1。

电压尖峰为

电压缺口为

电压暂降为

电压暂升为

电压中断为

暂态振荡为

谐波为

3.2 扰动信号识别

各类扰动信号在不同幅值不同持续时间,信噪比分别为20 d B、30 d B和40 d B情况下,分别产生100个随机波形。对每种波形进行S变换得到模时频矩阵,计算模时频矩阵幅值的概率密度分布,再应用式(4)计算与扰动标准模板的相似度,并依据相似度大小,对扰动进行分类。

表1~表3列出了各种扰动100个随机波形与相应标准模板的相似度平均值。表4列出了各种扰动分类结果。

在信噪比为20 d B情况下,扰动信号与相应模板的相似程度分别为:电压尖峰0.999 1,电压缺口0.999 2,电压暂降0.999 1,电压暂升0.999 2,电压中断0.999 3,电压振荡0.999 6,电压谐波0.999 5;在电压信噪比为40 d B情况下,扰动信号与相应模板的相似程度分别为:电压尖峰0.999 6,电压缺口0.999 5,电压暂降0.999 4,电压暂升0.999 5,电压中断0.999 6,电压振荡0.999 8,电压谐波0.999 8。可以看出,随着信噪比的增加,相似程度变大,分类正确率也越高。由表4可以发现,电压尖峰、电压缺口、电压暂升、电压暂降识别正确率达100%,电压中断、暂态振荡和谐波由于大量谐波成分,信噪比较低时,高次谐波成分与早升功率相当,易出现误判,但识别正确率仍然达到94%以上。

3.3 扰动起止时刻和持续时间检测

对电压暂降、电压暂升、电压中断和暂态振荡四种扰动信号扰动持续时间检测。电压暂降、电压暂升、电压中断起始时间均为0.07 s,结束时间均为0.17 s,暂态振荡起始时间为0.07 s,结束时间为0.09 s。检测结果如图2。

对于电压暂降,检测起始时间为0.07 s,结束时间为0.170 6 s,检测结果误差只有0.000 6 s,对于电压暂升、电压中断、暂态振荡都达到很好的检测精度。

3.4 扰动幅度检测

扰动幅度的检测仅限于电压暂降、电压暂升、电压中断和含谐波的电压暂降,含谐波的电压暂升与含谐波的电压中断等扰动信号。扰动幅度可通过提取S变换模时频矩阵中的基频行向量得到相应的时间幅值曲线,并根据信号突变时的电压有效值与信号突变前的电压有效值之比来判断电压变换的幅度。电压暂降信号幅度为0.8 pu,电压暂升信号幅度为1.25 pu,检测结果如图3。

由图3可以看出,电压暂降检测信号幅度为0.801 5 pu,相对误差为1.19%;电压暂升检测信号幅度为1.240 2 pu,相对误差为0.78%。

3.5 扰动信号频率检测

对电压暂降和谐波扰动信号进行频率检测。电压暂降起始时间均为0.07 s,结束时间均为0.17 s,暂态振荡起始时间为0.07 s,结束时间为0.09 s。谐波信号包含3次谐波和5次谐波。检测结果如图4和图5。

图4描述了电压暂降频率检测结果。图5描述了谐波扰动频率检测结果。可以看出,应用扰动信号的模时频矩阵能够准确检测扰动信号频率。

4 结论

文中提出基于S变换模时频矩阵的电能质量扰动检测与识别方法。利用扰动信号模时频矩阵幅值的概率密度分布建立扰动信号标准模板,扰动信号与标准模板模进行相似程度计算,进而确定扰动类别。通过扰动信号S变换得到的模时频矩阵能够检测扰动信号发生时间、幅值变化、频谱成分等相关电气特征量。仿真结果表明所提出方法能够对不同扰动实现准确识别,且检测扰动信号相关参数具有较高精度。

参考文献

[1]朱桂萍,王树民.电能质量控制技术综述[J].电力系统自动化,2002,26(19):28-31.ZHU Gui-ping,WANG Shu-min.A survey on power quality control technology[J].Automation of Electric Power Systems,2002,26(19):28-31.

[2]覃思师,刘前进.基于STFT变换和DAGSVMs的电能质量扰动识别[J].电力系统保护与控制,2011,39(1):83-86.TAN Si-shi,LIU Qian-jin.Power quality disturbances detection and identification based on STFT transform andDAGSVMs[J].Power System Protection and Control,2011,39(1):83-86.

[3]房国志,杨超,赵洪.基于FFT和小波包变换的电力系统谐波检测方法[J].电力系统保护与控制,2012,40(5):75-79.FANG Guo-zhi,YANG Chao,ZHAO Hong.Detection of harmonic in power system based on FFT an wavelet packet[J].Power System Protection and Control,2012,40(5):75-79.

[4]周厚奎,张昱,金心宇.基于傅里叶和小波变换的电网谐波分析[J].电力系统及其自动化学报,2005,17(6):60-62.ZHOU Hou-kui,ZHANG Yu,JIN Xin-yu.Power harmonic analysis based on Fourier and wavelet transform[J].Proceedings of the CSU-EPSA,2005,17(6):60-62.

[5]张明,李开成,胡益胜.基于小波邻域阈值分类的电能质量信号去噪算法[J].电力系统自动化,2010,34(10):84-89.ZHANG Ming,LI Kai-cheng,HU Yi-sheng.A power quality signal denoising algorithm based on wavelet domain neighboring thresholding classification[J].Automation of Electric Power Systems,2010,34(10):84-89.

[6]李霖,杨洪耕.基于二维离散平稳小波的电能质量扰动分类[J].电力系统自动化,2007,31(10):22-26.LI Lin,YANG Hong-geng.Power quality distrubance classification based on2-D static wavelet transform[J].Automation of Electric Power Systems,2007,31(10):22-26.

[7]周龙华,付青,余世杰,等.基于小波变换的谐波检测技术[J].电力系统及其自动化学报,2010,22(1):80-85.ZHOU Long-hua,FU Qing,YU Shi-jie,et al.Harmonic detection based on wavelet transform[J].Proceedings of the CSU-EPSA,2010,22(1):80-85.

[8]岳道明.基于S变换和分类树的电网暂态电能质量扰动分类辨识[J].电力系统保护与控制,2011,39(9):33-37.YUE Dao-ming.Transient power quality disturbance classification and identification in grid based on S transform and classification trees[J].Power System Protection and Control,2011,39(9):33-37.

矩阵式质量检测论文 第2篇

涡轮泵转子的临界转速研究(Ⅳ)分布质量轴的传递矩阵法

根据旋转的Timoskenko梁的运动微分方程式,导出分布质量轴段的44阶精确传递矩阵,计入轴分布质量的平动惯量、转动惯量、陀螺力矩和剪切变形的.影响,并计算了三个转子的临界转速.算例的计算结果表明,轴模型是否按分布质量考虑、是否计入平动惯量、转动惯量、陀螺力矩和剪切变形,对临界转速有明显的差别;同时在等截面轴不分段情况下,传递矩阵的计算结果和精确解一致性很好,表明计算实际转轴临界转速时,只需按截面不同划分轴段,即所取的轴分段数量少,就可以达到很高的计算精度.

作 者：张小龙 何洪庆 Zhang Xiaolong He Hongqing 作者单位：西北工业大学,航天工程学院,陕西,西安,710072刊 名：推进技术 ISTIC EI PKU英文刊名：JOURNAL OF PROPULSION TECHNOLOGY年，卷(期)：200021(2)分类号：V434.21关键词：液体推进剂火箭发动机 涡轮转子 转子转速 传递矩阵+ 质量分布

矩阵式质量检测论文 第3篇

电能质量扰动(PQD)事件源自动定位是网络化电能质量监测系统(PQMS)中一项重要的智能诊断功能。随着电力市场进一步推进,PQD事件源的准确定位不仅可实现责任的合理判定,还有助于电能质量问题有效、快速的解决,具有重要意义[1,2]。

文献[3-6]提出了几种扰动源方向判定算法。文献[3]所提的方向关系表格法必须依靠人工对比而无法自动定位。文献[7]所提矩阵算法,其精确定位部分存在较多的限制性。文献[8]对其进行了改进,提出一种基于“虚拟电能质量监测仪(PQM)”的精确定位算法,但无法实现特征矩阵的自动构建,降低了算法的适用性和灵活性。

本文首先设计了系统链路信息表及监测覆盖矩阵的自动生成算法,可有效描述配电网络拓扑结构及PQM布置等信息,并基于各PQM上传的扰动方向判定结果建立系统方向信息矩阵。以此为基础,提出一种基于链表和矩阵运算的PQD事件源三级自动定位算法,并重点研究该算法的优化,包括自动程度的提高、精确定位的实现及计算复杂度的降低等。

1 链路信息表及监测覆盖矩阵的自动生成

1.1 配电网络链路信息表的自动生成

实现PQD事件源定位需要获取3个方面的信息:配电网络的拓扑结构信息、网络中各PQM的布置位置信息、PQD事件发生时各PQM的扰动方向判定信息。目前,常用的配电网络结构信息描述方式主要有:树型网络、网络描述矩阵[9,10]、链表结构[11,12]。

PQD事件源定位研究的目的是寻找发生PQD事件的位置,即发生扰动事件的确切线段。为了凸显拓扑结构中线段的重要性,也为了描述配电网络中布置的各PQM与各线段的位置关系,考虑将网络中的配电线段定义为有根树中的节点,而有根树中的边没有实际物理意义,仅表示相关节点(即线段)间的连接关系。

定义链路为从有根树的首节点到末节点的链接路径。有根树拓扑网络被链路划分成不同的子区域,且首节点与任意末节点间仅有一条链路。链表描述方法以链路为基本分析元,需要搜索有根树中的关联节点集并确定存在的链路。为存储搜索过程中的节点数据,需引入队列结构,基于有根树拓扑网络实现链路信息表自动生成的具体步骤如图1所示。

1.2 基于链表的监测覆盖矩阵自动生成

有根树结构除了可描述节点间关联关系外,同时还可描述配电网络中PQM的布置情况。根据配电网络中各PQM的布置位置,可将整个网络区域划分为对应PQM的前向区域与后向区域,如图2所示[13]。

为适应计算机的数值输入、保存及运算,定义监测覆盖矩阵Clm用以描述网络中布置的PQM与线段节点间的相对位置关系,即各PQM对应的前向区域与后向区域。其中,l为有根树中的节点数量(即系统中的线段数量),m为系统中实际配置的PQM数量。每一个元素值cij表示网络中第j个PQM布置点与第i个线段节点的相对位置关系,具体定义如下:

现提出一种基于链表的配电网络电能质量监测覆盖矩阵自动生成算法,其基本步骤如图3所示。利用已知的链路信息表,对网络中各链路节点集合中的节点进行遍历搜索,根据各节点间先辈或后裔的关系确定覆盖矩阵中各元素的值。遍历结束,配电网络的电能质量监测覆盖矩阵即自动赋值完毕。

2 扰动源自动定位算法原理

2.1 PQD事件源三级定位算法原理

为实现配电网络中PQD事件源的自动定位,借鉴配电系统中基于矩阵算法的故障定位技术,提出一种基于网络化PQMS结构的PQD事件源三级自动定位算法,其基本原理如图4所示。

该算法将整个PQD事件源自动定位过程分解成三级定位过程:Ⅰ级定位,实现基于链表的扰动馈线子区域快速预判;Ⅱ级定位,基于系统监测覆盖矩阵和扰动方向信息矩阵的矩阵算法,实现扰动事件源的初步判定;Ⅲ级定位,定义“虚拟PQM”,基于扩展矩阵算法实现扰动事件源的准确定位。

2.2 基于链表的扰动源I级快速预判

配电网络一般规模较大,包含馈线数量众多,使得描述矩阵具有维数过高、算法复杂、计算量大和实时性差等困难。基于所得的系统链路信息及汇集的各PQM上传扰动源方向判定信息,可在Ⅱ级定位过程前进行扰动馈线子区域的快速预判,大幅降低描述矩阵的维数及算法计算量,提高定位的实时性。

设配电变电站低压侧母线共有n根馈线出线(与母线相连的各馈线首线段依次编号为L2、L3、、Ln+1),则整个网络被划分为对应的n个馈线子区域。算法的基本步骤如下:

a.扰动发生时,获取各馈线首端PQM的扰动事件源方向判定结果信息,分别记为d2、d3、、dn+1;

b.查找唯一的dk=+1(k=2,3,,n+1)的PQM对应的馈线首线段,记为Lk;

c.遍历已知的链路信息表,搜索“链路节点集合”表项中所有序号为2的节点(即根节点L1的子节点)为Lk的链路,组成目标链路集;

d.根据该目标链路集中各链路“链路节点集合”表项内容及各节点间的父子关系,回溯构建对应的系统子有根树,该子有根树对应区域即为PQD馈线子区域。

2.3 基于矩阵算法的Ⅱ级定位

基于链路信息表及各PQM上传的方向判定信息构建系统监测覆盖矩阵及扰动方向信息矩阵后,基于简单的矩阵运算即可得到系统PQD事件源的定位结果矩阵,根据所含特定信息实现PQD事件源的初步判定。

定义方向信息矩阵Dm1用以表述扰动事件发生时配电系统中各PQM上传的扰动事件源方向判定结果。元素值dk(k=1,2,,m)表示系统中发生扰动事件时,第k个PQM的扰动源方向判定结果,其具体定义如下:

定义定位结果矩阵Rl1=ClmDm1,并基于其得到扰动事件源的定位判据:若ri=m(即系统中布置的PQM个数),则ri对应的线段Li即为可疑的扰动发生源线段。但是,Rl1可能存在2种判定情况[5]:

a.若ri=m的元素个数恰好为1,则确认该ri对应的线段Li即为扰动源,即扰动源的精确定位已实现;

b.若ri=m的元素个数大于1,则表示结果矩阵中存在模糊项,需进一步进行Ⅲ级定位过程,以实现模糊项排除与精确定位。

2.4 基于虚拟PQM的Ⅲ级精确定位

由于经济和技术原因,实际的网络化PQMS中,不可能所有线段均布置PQM,导致Ⅱ级定位过程可能无法实现扰动源的精确定位。基于状态估计法,在满足有效覆盖的前提下,配电网络中未布置实际PQM的线段处电压和电流状态量间接可观测[14,15]。对这种实际未布置PQM,但经状态估计方法可实现状态量间接可观测的线段,可视作布置了相应的“虚拟PQM”。对于Ⅱ级定位后依然存在模糊项结果而无法实现精确定位的情况,基于虚拟PQM的扰动事件源精确定位算法流程如图5所示。

其扩展矩阵各元素值的意义及赋值方法、矩阵运算法、扰动源判据与Ⅱ级定位完全一致。但扩展定位结果矩阵R′l1中元素值等于m′(包括实际布置的PQM和新增虚拟PQM的数量总和)的元素个数可确定仅为1,即可实现模糊项的有效排除和PQD事件源的准确定位。

3 算例分析

图6所示为某10 kV辐射型配电系统的拓扑结构,系统中共有11条线段和6个PQM。由于算例规模较小,为更好地说明Ⅱ级和Ⅲ级定位算法,简略了Ⅰ级馈线子区域快速预判过程。

将图6所示系统转化为有根树及其链路形式,如图7所示。可见,该有根树拓扑网络共分为5层([0]至[4]层),存在6条链路(Link1至Link6),分别表征从首节点L1到末节点L4、L5、L6、L8、L10和L11的链接路径。网络被这6条链路划分成不同的子区域,且首节点与任意末节点间仅有一条链路。依据图1所示步骤,可自动生成该配电网络的链路信息表,如表1所示。

然后依据图3所示基于链表的监测覆盖矩阵自动生成算法,对表1所列各链路节点集合中的节点进行遍历搜索,得到关键数据,如表2所示。依次读取表中各队列中的数据,按列赋值即可自动生成该配电网络对应的电能质量监测覆盖矩阵C116。假设系统分别在线路L4、L8、L9处发生PQD事件,网络中分布的各PQM将其扰动方向判定结果上传至PQ工作站,依据定义分别生成的方向信息矩阵分别为:D4=

根据已构建的系统监测覆盖矩阵C116及上述3个方向信息矩阵D4、D8、D9,利用矩阵乘法运算可以分别确定3种情况下对应的定位结果矩阵R4、R8、R9:

定位结果矩阵R4、R8符合2.3节判定情况a,利用Ⅱ级定位过程即可实现PQD事件源的精确判定,该次自动定位过程结束。但R9符合判定情况b,表明存在4个模糊项,扰动源存在于L3、L7、L9和L11这4个候选线段之中,但不能确定具体线段。需进行Ⅲ级定位过程,进一步排除模糊项,以实现精确定位。

给图7所示有根树中未配置实际PQM的线路(虚线圈)L5、L7、L9和L11分别定义标号为M7、M8、M9、M10的虚拟PQM,得到系统扩展有根树,并重新进行系统扩展监测覆盖矩阵C′1110的自动生成。根据状态估计法可获取该4个虚拟测点的实时状态量值,并进行各自的单点方向判定。结合原方向信息矩阵,可重新构建系统扩展方向信息矩阵D′101。对C′1110和D′101进行矩阵乘法运算,得到扩展定位结果矩阵R′111,如式(4)所示。可见,R′111中仅有r9=m′=10,表明已判定L9为故障线路,即实现了PQD事件源的自动精确定位。

4 结语

事业部制和矩阵式管理感想 第4篇

培训体会

开药原料营销公司

2011-7

1、启发

首先，先说下这次培训后受到的启发。

通过张锡民讲师一天的讲解，了解了直线职能制、事业部制和矩阵式管理的确切定义及其各自特点。直线职能制是以直线为基础，在各级行政负责人之下设置相应的职能部门，分别从事专业管理，作为该领导的参谋，实行主管统一指挥与职能部门参谋、指导相结合的组织结构形式。事业部制，是按照企业所经营的事业，包括按产品、按地区、按顾客或市场等来划分部门，设立若干事业部。事业部是在企业宏观领导下，拥有完全的经营自主权，实行独立经营、独立核算的部门，既是受公司控制利润中心，具有利润生产和经营管理的职能，同时也是产品责任单位或市场责任单位，对产品设计、生产制造及销售活动负有统一领导的职能。而矩阵式管理一般是在原有基本管理结构的基础上，再加上一套横向的组织、管理系统，两者结合而形成一个两维的矩阵。这一结构中的人员或小组既受到职能部门经理的领导，又接受特定的客户、产品、区域部门经理或项目经理的领导，从而形成双重的报告关系，体现信息与权力的共享

从产生时间上看，直线式管理产生最早，应用也最为广泛；20世纪20年代初，美国GM将原有组织进行改组，划分若干有独立执行能力的事业部，创立了“斯隆模型”式的事业部制；1979年瑞典ASEA时任总经理巴纳维克，为了提高效率而且可以降低成本，使其经营具有差异化特征，同时避免事业部权利过大，执行了全新的矩阵组织结构的战略。其实，就企业的组织形式和管理结构而言，最基本的还是是两种：直线职能制和事业部制。事业部制是随着企业规模不断扩大，原有的直线式制部门间协调、管理困难的弊病不可调和后的必然产物，它集中政策、分散经营；独立经营、单独核算，适应了企业发展的要求；而矩阵式管理是对企业在直线职能制和事业部制结构的基础上，又逐步衍生出矩阵式结构、多维结构等多种组织形式和管理结构，是企业发展到更高阶段后，是平衡纯粹事业部制信息与权力矛盾的一种更先进、更复杂的管理方式，当前应用也最为广泛。

从直线职能制到事业部制，再到矩阵式管理符合了先进事物由低到高发展的一般规律，结合IBM、联想、中兴、春兰等大型集团发展轨迹也被证明是行之有效的。因此，随着集团公司的成长，就要求相应的管理形式和结构进行调整，根据事业部制和矩阵式管理的一般原理，参考相关企业经验，结合本集团实际情况，我们必须要进行相应的改革。新制度改革不仅能提升内部动力，顺应趋势，同时也具有良好外部宣传作用，孜孜不断追求进步的辅仁新面貌一定会有良好的社会效应。

但是，完全执行张老师所说的理论上的事业部制及矩阵式管理又有些绝对化了。他在培训课堂提议将集团现有资源根据产品类别重新整合，已形成以产品线划分单位的高效纯粹的事业部制体系，目前来看，这显然是不可取的。因为医药行业的特殊性，产品变更、生产地变更要面临注册、认证，人员、设备、法规等多方面考验，特别对于我们集团，众多的产品文号（1000剂）分散在各个不同的子公司，想要理想划分众多品种并迅速投入生产，简直是天方夜谭；而对于少数重点产品，根据需要调整相应生产线还是有必要的。

关于矩阵式管理，张老师建议向IBM等跨国公司学习，全面建立多维矩阵式框架，但是个人认为集团近期执行多维矩阵没有必要。首先，矩阵式管理强调的是共享与分权，但集团尚处在发展大于稳定的上升期，也不具备跨国集团复杂的组织框架和巨大的规模，因此更有活力、更具进取精神的事业部制仍将是主流；其次，多维矩阵所要求的员工素质较高，执行者的能力尤其重要，虽然集团内部不断的引入先进人才，但就现实情况来看，短期内很难达到要求；再次，矩阵式管理的激励机制是维护其存在的内部推力，所以必须要制定相应的多维矩阵的考核标准；最后，多维矩阵机构相当复杂，设计是成本高，管理难度很大，对管理者的要求也大大提高，同时管理费用的增加在所难免。虽然矩阵式管理是一种趋势，但是目前集团全面执行多维矩阵完全没有必要，根据资源和权力平衡需求，在集团内部局部实行矩阵管理即可。

2、现状

正如董事长所言，我们集团现在并非单一的事业部制，而是上层垂直管理，事业部制下执行直线职能制，局部穿插矩阵式管理的直线职能制、事业部制和矩阵式同时存在的一种特殊组织形式。

辅仁成立之初，企业规模较小，人员配置简单，劳动重复、密集，采用直线职能式管理，便于集中权力，明确责任，统一命令，严密控制，是前期发展主要的组织形式；后来随着集团兼并重组，规模不断扩大，更多信息交换需求迫切，更多新情况要及时做出反应，上层管理负荷加重，直线职能式管理已经不能满足企业发展的要求。

目前，集团有辅仁药业、宋河酒业、开封制药（集团）有限公司、辅仁医药科技开发公司、辅仁医药公司、信阳同源制药、怀庆堂、辅仁堂、上海辅仁等多个子公司组成，各公司有独立法人，有自己各自的职能部门，独立经营、单独核算，自负盈亏，之于集团层面来看，各子公司就相当于集团的一个个事业部，只不过由于发展的历史原因及医药企业的特殊性，划分方式更为直接。各子公司也下设各营销事业部，独立开展业务，分散经营；但是根据概念，各子公司管理方式更侧重于直线职能式，事业部经理各项决策要向营销公司总经理通报，由其批示方可执行，并没有独立自负盈亏的能力，至多算准事业部制。

矩阵式管理在我们集团局部也有运用，譬如集团规定各子公司财务不仅对各子公司营销老总负责，集团财务对其也具领导权。相似的有集团人力资源部、招商部等，在集团内部首先执行了类似职能划分垂直领导系统。但是，这种组织方式仍有别与真正意义上的矩阵式管理，因为尚没有文件明确规定该部门所在员工除本部门职责外，对相应职能部门的具体职责及相应的绩效制定，员工工作重心很自然的的偏向个子公司部门，自觉能动性不高。

因此，无论事业部制和矩阵式管理，我集团都处在摸索阶段，如何发挥各种模式的优点、减低风险，是我们接下来要重点考虑的。

3、改良

理论上直线职能制、事业部制和矩阵式管理，是从统一指令，到分权自制，再到平衡资源与权力的一个过程，从历史进程上看代表了企业发展不同阶段的不同管理方式。辅仁现在已经成为国内知名企业，具备成为一流企业的规模，但是无论是技术水平还是业务领域等，离大型跨国公司还有不小的差距，阶段上讲应该处于继续发展壮大期，该时期的主流组织形式结构是事业部制。我公司现行管理制度有些近似于准事业部制，各子公司相对独立，相当于集团的各个高度自治的事业部，但是由于是以生产企业为单元的粗狂划分，未能起到优势资源分类、整合的目的，由于医药企业的特殊性，这也是无奈之举。但是，集团管理层面一定要发挥调控职能，生产层面有计划、有目的的将集团产品按剂型等进行归类，逐步将其中的重点产品放到最适合的生产线，销售队伍随相应的产品变动作出调整。部分集团子公司也下设若干事业部，或按区域、或按产品有针对性进行划分，方便快速反馈市场，发挥了个体专业性和创造力，有利于提高劳动生产率和企业经济效益，这才是集团发展的动力之源，但是，目前下设的事业部经理多没有决策权、不能快速做出反应应对市场变化；不能独立自主、自负盈亏，缺少危机意识，激励作用也不足；职能部门与子公司没有分开，不能发挥以利润为先导、灵活多变的事业部优势；没有适当的授权，既没将总经理从烦琐事务中解放出来，也不利于培养管理人才。这都是我们在实行事业部制所要注意的地方。至于矩阵式管理，集团财务、招商、人力资源等事实上已经在实行双向管理，已达到了应有的效果。在营销层面，可以考虑局部增加以产品类型为基础的横向项目管理层面，突破事业部之间沟通壁垒，以增加集团资源综合开发利用，也可以避免权力集中产生的内部不正当竞争现象。不过从集团现状来看，不是全面实行多维矩阵式管理的时机，目前也没有必要。

强矩阵式信息化组织结构研究 第5篇

关键词：信息化组织 矩阵式 系统工程 管理职能

中图分类号：G434 文献标识码：A 文章编号：1673-8454（2008）19-0020-03

校园信息化建设的总体目标是：利用现代信息技术将校园的教学、科研、学科建设、管理、服务等活动移植到一个数字网络空间环境下，从而达到提高师生的工作学习效率、人才培养质量、教学质量、科研实力和管理水平的目的。在校园信息化建设当中因多头管理、部门间各自为政、缺乏合理有效的策划评价体系等原因导致不合理、重复建设、信息孤岛等现象时有发生。高校信息化建设是涉及学校各方面工作和所有教师、教学管理人员和学生的系统工程。只有坚持系统性原则，实行统一领导、归口管理、分层实施的管理体制，从组织上建立起保证信息化工作正常运行的机制，才能确保其健康发展。为此，笔者提出了一种强矩阵式组织结构应用于高职院校信息化建设。以期从源头上解决信息化建设当中的诸多问题。

一、信息化建设与信息化组织相关分析

1．技术相关

信息化建设首先体现在它需要技术的支持，特别是信息技术的支持。信息技术的发展与技术的进步密不可分，在未来的发展中，信息科学和人工智能将发挥越来越重要的作用，信息技术应该关注如何更有效地使用技术以及如何利用技术来促进高校各方面的工作和学习。信息技术的高速发展，各类媒体技术已经由以往单机、单技术、单一功能、独立组网方式向多功能、多元化、技术整合、网络融合方向发展。校园信息化技术主要是通过计算机技术、网络技术、通信技术、微电子技术的有效结合，通过多媒体等应用，实现信息化建设目标。针对众多高职院校实际情况，全盘数字化、IP化的信息化校园还有待时日。但是其统一平台的智能化、数字化、网络化发展方向不容质疑。

教育信息化存在着技术层面的基本特征，而数字化校园作为高等教育信息化的具体表现形式，其技术依赖性将更为突出。[1] 纵观部分高职院校的机构设置，如现代教育技术中心、网络中心、信息中心、分属各部门的实验室、机房等，信息化机构众多。此类机构设置方法因部门职能受限、协调能力有限，造成学校信息化技术力量难以形成合力、部门间技术路线不一致，系统难以集成，以及建设方案应用局限、效果欠佳等现象时有发生。单个技术人员掌握的知识技能方向有限、个体见解差异、单业务部门的信息化方案构想难以适应全体需求。因此，有效地整合原有各信息化建设管理部门，形成技术合力势在必行。

2.应用相关

信息化建设依托基础设施，实现诸多应用。主要体现在以网络为纽带，实现互连互通，并具备网络媒体多功能的特点。校园网络媒体形式主要有校园计算机网、有线电视网、监控系统、广播系统、一卡通等。

信息技术的融合特性使得传统的校园有线电视网络由单一的传送电视节目和录像教学发展成为可融合校园广播和校园监控系统，甚至IPTV应用。而基于CATV技术的融合应用又牵涉到多部门领域，例如广播系统应用与政治宣传、传递知识信息、能力培养、陶冶情操等；校园监控系统牵涉到教学、管理、安防等多方面的应用，而这些应用业务往往分属各部门管理。近年提出的以校园计算机网络为平台的数字化校园建设方案牵涉到学校所有的部门、领域和信息化建设应用。数字化校园建设的任务不是学校现有的任何一个职能部门所能够兼管或统筹的。赋予各部门一定的信息化职责，发挥其主观能动性，通过部门的参与和配合才能达到实施信息化建设的目标。

3．资源相关

校园信息化各子系统虽分属不同部门实施应用，却关系密切。例如学管部门的学生管理系统建设，必须借助财务收费情况、图书借阅情况、公共财务管理情况、教务考勤情况等数据资源。因此，校园信息化建设统一技术路线标准和接口，实现资源共享日显突出。

统一信息编码，建设一个合理、适用的数据中心，有利于校内部门间的数据沟通与共享。由于学校很多信息子系统已经或即将建设，数据中心基本上落后于子系统建设，因此必须和现有大部分子系统的数据库进行平滑连接。数据中心多有数据大集中模式、共享数据中心、分布式资源整合三种资源整合模式，可根据学校具体情况，权衡可靠性、易用性、可扩展性、可移植性，选择最合适的方案。

制定通用的基本信息编码标准。需要取得所有相关部门的支持，相互理解、团结协作才可能完成。而网络中心的地位目前在多数高校都比职能处、室要低，并且工作重心侧重网络技术和相关技术性事务管理，无法承担信息化建设过程中大量的协调工作，导致规划落实受阻的现象时有发生。基于这一认识，成立跨部门的、由校领导牵头的信息化建设机构，将对提高信息资源的共享程度，有效推进学校的信息化建设起到重要作用。

4．学科相关

南国农教授认为教育信息化建设主要是三个方面的内容：硬件建设，即信息技术、设备设施建设；软件建设，即信息技术课程教材建设；潜件建设，即信息技术理论、方法建设。

高校信息化建设的发展，大致经历了几个层次，硬件建设阶段，重点需解决教职工和学生对信息化在教学、管理、学习上的操作使用技术问题以及对新媒体的观念和认识。软件建设阶段，重点需解决充分利用网络设施等硬件资源，实现各项应用及解决教育资源的问题。潜件建设，需重点解决教育教学的手段与方法、绩效等问题。同时，这几个层次将同时并长期存在。校园信息化的发展，纯技术已不能解决信息化中存在的许多问题。校园信息化是连接多学科的桥梁，需要有具备管理学、经济学、教育学、传播学、信息技术等相关学科知识和能力的人员共同参与建设。并要求相关人员必须具备一门或多门学科知识，对本校教育、教学、管理规律和特点有一定的认识。信息管理部门的工作重心侧重网络技术和相关技术性事务管理，承接其他专业的信息化项目能力有限。通过改善高校信息化决策层、管理层、建设层的人员结构，组建专家小组，注意技术专家、业务专家和管理专家的合理比例，对推动信息化尤显重要。

二、强矩阵式信息化组织结构

1．可行性分析

从电化教学到校园信息化，不过几十年的时间，从从属于部门的教学辅助手段，技术功能单一、职能单调、地位不高到关联学校全局、决定学校办学水平及可持续发展。特别是近年提出的URP（教育资源平台）、MIS（管理信息系统）等应用，信息化发展可谓突飞猛进，同时对学校的管理思想、管理体制和管理方法造成了一定的冲击。学校的教务管理（教务处）、行政事务管理（办公室等）、人事管理（人事部门）等，都被赋予相关管理的职能，并能很好地在其职责范围内实施。在高职院校原有教育技术等部门基础上整合成立信息化部门，并赋予其管理职能，势在必行。

信息化建设是一个过程，它是一项长期的、经常性工作。单纯以阶段性领导小组的方式来推进信息化建设，存在一些难以克服的困难。必须成立以校级领导班子成员为负责人的常设机构。通过推动跨机构的协作，明晰各部门在数字化校园中的职能，推进各类有利于高职院校的信息化变革，去除多余的工作流程和行政机构，建立规划、指导、实施和协调功能“四位一体”的职能机构，形成信息主管机制。由局部推进转变为整体推进，由技术驱动转变为制度驱动。有利于技术部门及人员专心致志地实施信息化项目，有利于评价信息化的绩效，有利于资源的优化配置。

对于创新管理模式方面，学者们热点研讨ＣＩＯ体制，在“一把手”的直接领导下，设置信息主管ＣＩＯ职位，成立信息化工作领导小组，如北京大学的ＣＩＯ体系。另外一种方法就是进一步完善学校信息化领导小组（委员会）的组织体制，如中山大学“领导小组”、“专家小组”、“实施小组”的“三小组”制，清华大学的领导集团委员会制。

2．示意图

3．基本方法

该组织结构同时存在纵向和横向两条通信渠道，纵向渠道是同部门和上下级的关系，政令畅通和协调工作相对难度不大，各部门间难免在工作中存在分歧。通过明晰职责、制度约束将有效解决此类问题。

学校上层人员的观点和决心直接决定信息化层次。建设领导小组和专家委员会在院校信息化建设中应起到决策、跨机构的协调、长远宏观规划和指导的作用。信息化办公室配合领导小组做好全局性的工作，上传下达，确保信息化建设当中的政令畅通，制定和实施各项规章制度、评价指标体系、奖惩措施等。在校属各二级机构中，强化信息管理部门在学校的信息项目具体实施建设中的管理职能和实施职能，同时具有全局性的服务、日常管理评价、培训等职责。校属部门对本部门的信息建设必须服从全局、制度和评价约束以及被管理。该组织成员可依据学校实际情况采取专职或兼职的方式定岗。

教学、办公、管理等信息化建设工作差异较大，信息管理部门可依据职能灵活分块管理，校属部门设置相应的信息员与信息管理部门的分块工作进行事务协调、处理和实施。

三、结束语

高职高专相对本科院校，人员规模较小，学科领域较窄。对校属部门做大的调整，成立较为复杂和庞大的信息化建设机构在人力、财力和管理上都难以实施。采取扁平化的组织结构，成立相应的信息化建设领导机构，通过对信息管理部门做有效的整合，赋予其全局性的信息化职能；采取相应措施制度，把校属各部门纳入信息化建设范围，统筹规划管理，采取有效的评价体系，纳入部门建设标准、质量体系、评先评优等奖惩范围，将有效推进高职院校信息化建设水平。

信息化组织机制的建立，需要采取“积极研究，稳妥推进”的策略。条件较好的高职高专院校或校属部门可根据学校实际需要先行一步，在实践中探索可行的方法形成示范效应。

参考文献：

[1]万里鹏,陈雅,郑建明.数字化校园：21世纪大学的概念模型[J].情报科学,2004(2).

[2]李勇,刘文云.高校信息化评价指标体系的构建[J].情报杂志,2006(3).

[3]秦嘉杭,许鑫,苏新宁.高校信息化评价指标体系研究[J].现代图书情报技术,2006(4).

[4]赵国栋.关于中国、美国和日本高等教育信息化发展的比较研究：ACCS研究项目介绍[J].比较教育研究,2004(2).

[5]张文丰.近十年来我国高等教育信息化研究综述[J].辽宁教育研究,2007(8).

[6]万新恒等.信息化校园:大学的革命[M].北京:北京大学出版社,2000.6.

[7]顾小清.教育信息化建设项目评估:国际研究现状调查[J].电化教育研究,2006(8).

矩阵式质量检测论文 第6篇

多输入多输出(Multiple-input Multiple-output,MIMO)雷达是近年来提出的一种新体制雷达[1]。MIMO雷达天线发射彼此独立(正交)波形,利用波形分集虚拟扩展阵列孔径,提高阵列系统自由度,从而获得比相控阵雷达更加优越的检测和估计性能[2,3,4]。针对MIMO雷达目标个数估计问题,G.Liao等人研究了双基地MIMO雷达正则相关技术多目标检测算法[5],L.Xu等人在研究参数估计方法的同时研究贝叶斯信息准则(Bayesian Information Criterion)多目标检测算法[6],在研究MIMO雷达广义似然比方位估计的同时估计了目标数目[7]。然而,利用MIMO阵列输出信号协方差矩阵特征分解的目标数目估计方法则尚未见到。

本文研究基于协方差矩阵特征分解的MIMO阵列多目标检测方法,分别利用信号和噪声特征值大小以及特征增量之间的差异,提出了MIMO阵列特征门限(Eigen Threshold,ET)多目标检测方法(MIMO-EI)、方法只能检测小夹角目标的限制,对目标夹角较大时也能有效估计目标数目,而且还分析了目标初始方位角对MIMO阵列EDT方法性能的影响,并与传统相控阵列目标回波信号存在相关性情况下的多目标检测性能作了比较。

1 阵列输出信号协方差矩阵特征分解模型

假定MIMO阵列系统采用一个均匀线列阵,该均匀线列阵由N个阵元组成,相邻阵元间隔为d,所有N个阵元都可用于接收信号,均匀间隔地选取其中的M个阵元作为发射阵元(MN),相邻发射阵元间隔为dt,M个发射阵元发射彼此正交的窄带信号{sm(t)},m=1,2,,M。假定在阵列远场存在K个目标,则所有M个阵元发射信号经K个目标反射后,所有N个接收阵元上的阵列输出信号可表示为:

$y(t)={\displaystyle \sum _{k=1}^{{\rm K}}\alpha }{}_k\mathit{a}(\theta {}_k)\mathit{b}{}^{\text{Τ}}(\theta {}_k)s(t)+w(t)(1)$

式中:θk表示第k个目标方位;b(θ)=[1,e-j2πdtsin(θ)/λ,,e-j2π(M-1)dtsin(θ)/λ]T表示M个发射阵元构成的发射阵列的阵列流形向量;a(θ)=[1,ej2πdsin(θ)/λ,,ej2π(N-1)dsin(θ)/λ]T表示N个接收阵元构成的接收阵列的阵列流形向量;w(t)表示n个接收阵元上的噪声;αk表示第k个目标的反射系数,是确定未知的变量。为简单起见,假定MIMO阵列发射窄带正交信号,发射信号与噪声不相关,噪声是均值为零,方差为σ${}_w^2$的白噪声,且各阵元上噪声彼此独立。

这里可定义“等效目标源”信号模型,即可以把$\tilde{s}{}_k(t)=\alpha {}_k\mathit{b}{}^{\text{Τ}}(\theta {}_k)s(t)$看作第k个“等效目标源”,则K个“等效目标源”信号向量$\tilde{\mathit{s}}$(t)可表示为:

$\begin{array}{l}\tilde{\mathit{s}}(t)=[\alpha {}_1\mathit{b}{}^{\text{Τ}}(\theta {}_1)s(t),\cdots ,\alpha {}_{{\rm K}}\mathit{b}{}^{\text{Τ}}(\theta {}_{{\rm K}})s(t)]{}^{\text{Τ}}\\ =\mathit{\alpha }\mathit{B}{}^{\text{Τ}}(\theta )s(t)(2)\end{array}$

式中:α=diag(α1,α2,,αK);B(θ)=[b(θ1) b(θ2) b(θK)]表示发射阵列流形矩阵。用A(θ)=[a(θ1) a(θ2) a(θK)]表示接收阵列流形矩阵,则“等效目标源”信号模型下MIMO阵列输出信号可改写成如下形式:

$\mathit{y}(t)=\mathit{A}(\theta )\tilde{\mathit{s}}(t)+w(t)(3)$

MIMO阵列输出信号自相关矩阵如下:

$\mathit{R}{}_{\mathit{y}}=E\{\mathit{y}(t)\mathit{y}{}^{\text{Η}}(t)\}=\mathit{A}(\theta )\mathit{{\rm P}}\mathit{A}{}^{\text{Η}}(\theta )+\sigma {}_w^2\mathit{{\rm I}}{}_{{\rm N}}(4)$

式中:$\mathit{{\rm P}}=E\{\tilde{\mathit{s}}(t)\mathit{s}{}^{\text{Η}}(t)\}$为“等效目标源”的自相关矩阵;IN为NN单位矩阵,MIMO阵列发射信号和噪声不相关,“等效目标源”信号$\tilde{\mathit{s}}$(t)与噪声w(t)也不相关。A(θ)PAH(θ)只与信号有关,称之为信号部分,σ${}_w^2$IN称之为噪声部分。对MIMO阵列输出采样协方差特征分解可得:

$\mathit{R}{}_{\mathit{y}}=\mathit{U}\mathit{\Lambda }\mathit{U}{}^{\text{Η}}={\displaystyle \sum _{i=1}^{{\rm N}}\lambda }{}_i\mathit{u}{}_i\mathit{u}{}_i^{\text{Η}}(5)$

式中:Λ=diag(λ1,λ2,,λN)是由特征值构成的对角矩阵,且特征值满足:

$\lambda {}_1\ge \lambda {}_2\ge \cdots \ge \lambda {}_{{\rm K}}\succ \lambda {}_{{\rm K}+1}=\cdots =\lambda {}_{{\rm N}}=\sigma {}_w^2(6)$

ui是与特征值λi对应的特征向量。K个目标情况下,式(5)可改写为:

式中:Λs是前K个大特征值组成的对角矩阵;Us是与大特征值对应的特征向量构成的矩阵,称为信号子空间;Λw为后N-K个小特征值构成的对角矩阵;Uw是与小特征值对应的特征向量构成的矩阵,称为噪声子空间,信号子空间和噪声子空间正交。

工程上Ry无法精确得到,对MIMO阵列输出信号采样,则MIMO阵列输出采样协方差矩阵近似估计为:

$\widehat{\mathit{R}}{}_{\mathit{y}}=\frac{1}{L}{\displaystyle \sum _{l=1}^L\mathit{y}}[l]\mathit{y}{}^{\text{Η}}[l]=\mathit{A}(\theta )\widehat{\mathit{{\rm P}}}\mathit{A}(\theta )+\sigma {}_w^2\mathit{{\rm I}}{}_{{\rm N}}(8)$

式中:L为样本容量;$\widehat{\mathit{{\rm P}}}=\frac{1}{L}{\displaystyle \sum _{l=1}^L\tilde{\mathit{s}}}[l]\tilde{\mathit{s}}{}^{\text{Η}}[l]$,此时由于有限采样和噪声影响,式(6)表示的特征值关系不再成立,MIMO阵列输出采样协方差矩阵特征值满足下式:

$\lambda {}_1\ge \lambda {}_2\ge \cdots \ge \lambda {}_{{\rm K}}\succ \lambda {}_{{\rm K}+1}\ge \cdots \ge \lambda {}_{{\rm N}}\ge \sigma {}_w^2(9)$

2 MIMO-ET检测方法

MIMO-ET算法是利用特征门限理论估计目标个数的一种假设检验过程,该过程检验的是噪声特征值的多样性。存在K个目标情况下,假设噪声特征值多样性为q,则信号的最小特征值λK=λM-q应该超过所设定的检测门限,而N-K个噪声的特征值λK+1,,λM应该低于检测门限。

定义li为噪声子空间特征值的平均值如下:

$l{}_i=\frac{1}{{\rm N}-i+1}{\displaystyle \sum _{j=i}^{{\rm N}}\lambda }{}_j,i=1,2,\cdots ,{\rm N}(10)$

为得到第N-q个噪声特征值λN-q的上界,可令式(10)中i=N-q建立如下关系:

$l{}_{{\rm N}-q}=\frac{1}{q+1}{\displaystyle \sum _{j={\rm N}-q}^{{\rm N}}\lambda }{}_j=\frac{q}{q+1}l{}_{{\rm N}-q+1}+\frac{\lambda {}_{{\rm N}-q}}{q+1}(11)$

根据噪声特征值的极大似然估计分布理论可得第N-q个噪声特征值的上界为:

$\lambda {}_{{\rm N}-q}\lambda {}_{{\rm N}-q}^u=\left[(q+1)\frac{1+t(L(q+1)){}^{-1/2}}{1-t(L\cdot q){}^{-1/2}}-q\right]l{}_{{\rm N}-q+1}(12)$

式中:λ${}_{{\rm N}-q}^u$即为λN-q预测的上限值;t为极大似然估计分布理论中某置信水平下的双积分门限。

假设检验流程如下,首先从q=1开始确定二元假设如下:

$\begin{array}{l}{\rm H}{}_0:{\rm K}<{\rm N}-q\\ {\rm H}{}_1:{\rm K}={\rm N}-q\end{array}(13)$

根据下式判断结果确定H0或H1:

$\lambda {}_{{\rm N}-q}\begin{array}{l}{\rm H}{}_1\\ >\\ \\ {\rm H}{}_0\end{array}\lambda {}_{{\rm N}-q}^u(14)$

若满足H1,停止检验,此时MIMO阵列ET方法检测到的目标数目K=N-q;若满足H0,则令q=q+1返回继续检验直至满足H1或者q=M。

3 性能分析

本文对提出的MIMO阵列ET方法,这里假定传统相控阵列目标回波是完全不相关的。然而在工程实际中,当目标夹角很小时,传统相控阵列目标回波之间具有一定的相关性,将常规相控阵列目标回波具有相关性的检测性能与MIMO阵列的目标检测性能做了比较,其中,假定了MIMO阵列发射正交信号, MIMO阵列不同目标回波之间的相关性可视为是一定的,因此没有计算MIMO阵列目标回波的相关性,而只研究了相控阵列目标回波的相关性对检测性能的影响。

仿真模型:假定MIMO阵列由10个换能器按半波长(载波频率处)等间隔均匀布放,收发共用(M=N=10),发射窄带正交波形,载波频率f0=5 kHz,采样频率fs=30 kHz,快拍数为2 000,统计次数为200。信噪比定义是针对单个目标的阵元输出信噪比,且存在多目标时,假设多个目标具有相同目标反射系数。

按式(12)选取MIMO-ET方法的检测门限。该门限在一定程度上会影响方法的检测性能。假定单目标方位为0°,在t取不同值条件下,MIMO-ET方法单目标的正确检测概率与传统相控阵ET方法的正确检测概率对比如图1所示。两目标方位分别为-5°和5°(夹角为相控阵列一个波束宽度)时,在t取不同值条件下,MIMO-ET方法双目标的正确检测概率与传统相控阵ET方法下的正确检测概率对比如图2所示。

图1表明,传统相控阵ET方法与MIMO-ET方法具有几乎相同的单目标检测能力,但对于双目标检测,传统相控阵ET方法检测性能下降,而MIMO-ET方法检测性能几乎保持不变(见图2),这说明了MIMO-ET方法多目标检测能力优于传统相控阵列多目标检测能力。此外,t值的不同(检测门限的选取)在一定程度上会影响MIMO-ET方法和相控阵列ET方法的检测性能,对高信噪比和低信噪比检测性能折衷,文中可取t=1.5。

图3给出了MIMO-ET方法对两目标夹角取不同值时的最低可检测信噪比(定义为完全正确检测目标个数所需要的最低信噪比),并与传统相控阵ET进行了比较。图3表明,双目标夹角在一个波束宽度之内变化时(1°～10°),MIMO-ET方法双目标最低可检测信噪比随目标夹角的变大而逐渐降低,说明随着两目标夹角变大,MIMO-ET方法检测能力变好,而且除目标夹角为1°(0.1个波束宽度)以外,MIMO-ET方法最低可检测信噪比均明显小于传统相控阵ET方法,也说明了MIMO-ET方法双目标检测能力优于传统相控阵ET方法。

4 结 语

MIMO-ET算法在多目标检测时,性能要优于传统的相控阵ET算法,对于提高雷达的检测性能有着很好的效果,有很强的工程应用价值。

参考文献

[1]FISHLER E,HAIMOVICH A M,BLUM R S,et al.MI-MO radar:an idea whose time has come[C]//IEEE RadarConference.[S.l.]:IEEE,2004:71-78.

[2] FORSYTHE K, BLISS D, FAWCETT G. Multiple-input multiple-output (MIMO) radar: performance issues [J]. 38th Asilomar Conf. Signals, Syst. Comput., 2004, 1: 310-315.

[3] LI J, STOICA P. MIMO radar with co-located antennas: Review of some recent work [J]. IEEE Signal Processing Magazine, 2007,24(5): 106-114.

[4]BEKKEMAN I,TABRIKIAN J.Target detection and lo-calization using MIMO radars and sonras[J].IEEE Trans.on Signal Processing,2006,54:3873-3883.

[5]LI J,LIAO G,JIN M,et al.Multitarget detection and lo-calization for bistatic MIMO radar[C]//Proc.IET Inter-national Radar Conference.Guilin,China:IET,2009:1-4.

[6] XU L, STOICA P, LI J. Parameter estimation and number detection of MIMO radar target [C]// Proc. 41th Asilomar Conf. Signals, Syst. Comput.. Pacific Grove, CA: [s.n.], 2007: 177-181.

矩阵式质量检测论文 第7篇

SPSS是现行诸多统计软件之中最优秀的一种, 其因子分析和主成份分析功能模块的多元统计方法与质量活动中矩阵数据分析法方法的数据整理分析原理一致, 故在质量活动过程中利用SPSS因子分析和主成份分析进行矩阵数据分析、对复杂的质量活动进评价, 既可减轻质量活动过程中信息收集工作量, 又可使各综合指标代表的信息不重叠。现将具体使用方法通过示例分步介绍如下, 以供参考。

一、统计工具与示例数据

1.统计工具:SPSS 18

2.示例数据:烤烟品系情况调查数据 (见图1)

二、因子分析操作方法

1.在变量视图中, 建立品种序号、亩产量、均价、亩产值、上中等烟率、外观质量、物理质量、化学质量、评析质量变量, 结果见图2:

2.将9个烤烟品种的各项特征输入各相应变量中, 结果见图3:

3.分析操作

(1) 单击“分析→降维→因子分析”进入因了分析对话框, 结果见图4:

(2) 选中8个烟叶质量变量, 单击按钮使之进入变量“ (V) ”中, 结果见图5:

(3) 控制参数的设置

①“抽取 (E) ”对话框设置:单击“抽取 (E) ”, 系统弹出“因子分析:抽取”对话框, 点击“方法 (M) ”选择“主成份”, “分析”选择相关性矩阵进行分析 (相关性变量相同则选择协方差矩阵) , “输出”全选, “抽取”因子数以变量数为依据 (本例中为8) , “最大收敛性迭代次数 (X) ”选择“25”次 (次数应大于数据量) , 结果见图6:

②“旋转 (T) ”对话框的设置:单击“旋转 (T) ”, 系统弹出“因子分析:旋转”对话框, 主成份析不需旋转的, 故选择系统默认值“不旋转”, 结果见图7:

③“得分 (S) ”对话框的设置:单击“得分 (S) ”, 系统弹出“因子分析:得分”对话框, 对于主成份分析而言, 系统给出的三种方法没有区别, 故选择系统默认的“回归 (R) ”、再点选“显示因子得分系数矩阵”即可, 结果见图8:

④“描述 (D) ”对话框的设置:单击“描述 (D) ”, 系统弹出“因子分析:描述统计”对话框, 主成份分析统计量全选、相关矩阵选择系数、显著性水平、行列式矩阵及KMO和Bartlett的球形度检验即可, 结果见图9:

⑤“选项 (O) ”对话框的设置:单击“选项 (O) ”, 系统弹出“因子分析:选项”对话框, 缺失值选择“按列表排除个案 (L) (注:个案是spss里的名称, 质量活动中叫数据对象或调查对象, 本示例叫品系, 下同) , 系统显示格式选择“按大小排列 (S) ”, 结果见图10:

(4) 单击“确定”按钮, 从查看器窗口显示出结果

三、因子分析结果解读

1.KMO和Bartlitt的检验:系统输出结果见图11:

从上图可知:“取样足够度的Kaiser-Meyer-Olkin度量”为0.637, 说明变量之间存在相关关系, 适用做因子分析。Bartlitt的检验值“Bartlitt的球形度检验”sig.=0.000, 表明可以作进一步分析。这二个检验是作因子分析必须点选进行检验的, 否则下面的一系列的分析都显得毫无意义。

2.公因子方差:系统输出结果见图12:

从上图可知:因子分析的变量共同度高, 表明变量中的大部分信息均能被因子所提取, 说明因子分析的结果是有效的。

3.解释总方差:系统输出结果见图13:

从上图可知:提取平方和载入、旋转平方和载入的累计方差均为达97.307%, 表明本示例最后真正提取的“成份数为3”是较为合适的。

注:表中“成份”是各因子的序号;在主成份分析中, 因子分析中的“因子数”, 依“解释的总方差”中的“旋转平方和载入”下的“累积%”的方差贡献率而定, 固本事例“因子数为3”。

4.碎石图:系统输出的碎石图见图14:

从上图可知:在4处有一个明显的拐点, 之后是与小因子连接成缓坡折线, 不难看出, 本示例选择成份数为3正较为合理的, 也这与前面总方差初步确定的最终真正成份数的选择一致。

5.成份矩阵:系统输出结果见图15、16、17、18:

成份矩阵 (图15) , 可利用得出的主成份方法提取的3个主因子的载荷值, 为了方便解释因子含义, 需进行因了旋转 (图16:采取Kaiser标准化的正交旋转法) 。成份得分系数矩阵是计算因子得分的依据, 图18是结果是由图16提供的计算得到的, 一般在数据表中以FAC1_1~FAC3_1进行显示。另外由因子得分便可以计算出综合得分, 这也是质量活动所需要的结果。

四、个案得分统计

1.主成份分析得分统计

(1) 将原始变量标准化 (由于本数据差异较大, 需进行标准化转化, 相关则不必标准化) 。点击“分析”|“描述统计”|“描述”选项卡, 弹出如图19“描述性”对话框, 将原始变量点击进入“变量”对话框, 将“将标准化得分另存为变量”选中, 于是系统生成如图20, 标准化变量。

(2) 用成份矩阵计算主成份系数向量:新建“成份矩阵”数据 (图21) , 通过图22主成份系数向量计算变量对话框计算得出“主成份系数向量” (图23) 。说明:SQRT (0.475) 是对特征根的开根。

(3) 在计算变量对话框的目标变量中输入“主成份Fi”, 在数据表达式中输主入各主成份向量系数与对应的标准化后的变量乘积之和, 如图24主成份得分计算, 得各主成份的得分。

(4) 在计算变量对话框中目标变量中输入“主成份F综得分”, 在数据表达式中输入各主成份得分与对应的解释总方差 (图13) 中的“初始特征值”下的“方差的%”的方差贡献率的乘积之和的表达式, 如图25主成份F综得分计算, 得到主成份F综得分 (主成份得分和综合得分见图26) 。

2.因子分析得分统计

(1) 与主成份分析得分统计的第一步相同, 对将原始变量标准化处理。

(2) 各因子得分:在进行因子分析时, 系统自动生成, 如图18中以FAC1_1~FAC3_1。

(3) 因子总得分:在计算变量对话框中的“目标变量”中输入“因子Z综合得分”, 在数字表达式中输入各因子得分与对应的解释总方差 (图13) 中的“旋转平方和载入”下的“方差的%”的方差贡献率的乘积之和的表达式 (注意, 主成份分析与因子分析最大差别是方差贡献率的引用是不同的) , 如图27因子综合得分计算, 便得到因子综合得分, 如图28主成份得分和因子得分。

五、讨论:主成份分析与因子分析在质量活动程序中应用

基于主成份分析与因子分析的特点, 都能对统计活动的变量 (指标) 和个案进行份析, 但各有所侧重。笔者认为, 因子分析, 主要用于活动选择课题。如结合亲和图, 通过它将大量数据进行因子分析整理, 归纳出能代表几个重要方面, 活动小组可根据几个关键方面排序比较, 获得一个关键方面, 这个关键方面也就是可活动确定的课题。

而主成份分析可结合矩阵图采用定量式对问题与因素、因素与因素、现象与因素间相互关系进行分析对比, 找出问题之间或因素之间关键点, 为质量改进中选题、现状调查、原因分析提供有力依据, 也为制定对策及按对策实施阶段后效果检验的有力工具。当结合矩阵图的L、T、Y、X、C五种类型分析时, 其中T、Y、X、C均要将对应分解成两两对应的L型进行主成份分析, 才能得出科学合理的数据推理结果, 比量化打分更加具有说服力。结合过程决策程序图或系统图找出几个决策方案, 并综合比较, 最终获得最佳方案。另外、还可以和质量机能展开等方法联合使用, 用途非常广泛。

六、总结

本文通过一个示例, 按SPSS因子分析方法实际操作进行一步步详尽介绍, 在因子分析的基础上, 也重点对主成份分析方法进行了介绍, 一般刚涉及矩阵数据分析法的人员可以按图示一步步操便会领会。同时对主成份分析与因子分析的降维分析, 对活动变量 (指标) 之间质量分析与评价, 和对个案质量综合评价比较进行了讨论, 也间接地区别了二者之间异同。基于此, 结合主成份分析与因子分析的特点, 阐明了在质量活动中, 因子分析主要结合亲和图用于课题的选择, 而主成份分析主要结合矩阵图、过程决策程序图、系统图、质量机能展开等工具结合, 在选题、现状调查、原因分析、制定对策及对策实施程序中都能得到广泛的使用。

参考文献

矩阵式质量检测论文 第8篇

随着科学技术的发展和电力市场改革的深入,用户对电能的需求量日益增加,同时对电能质量的要求也越来越高[1]。为了提高电能质量,必须对电能质量问题进行诊断、定位和分类[2],而对短时电能质量扰动(SDPQDshort duration power quality disturbance)进行分类是对其进行治理的前提。

基于小波变换的SDPQD分类方法[2,3,4,5,6,7,8,9]能有效提取扰动特征但易受噪声影响,且分类过程不够简单[10]。作为连续小波变换和短时傅里叶变换的发展,S变换[11]具有良好的时频特性,有利于提取SDPQD特征[12]。文献[13,14,15,16]利用S变换良好的时频分析和特征提取特性,分别结合人工神经网络[13]、模糊系统[14]、支持向量机[15]、制定各种规则树[16]等方法实现了SDPQD分类,取得了较好的效果。上述方法的共同特点是:首先由S变换提取各类SDPQD特征,然后结合不同的分类器完成扰动分类,分类过程及算法复杂,难以直观理解和定量分析;而分类器只考虑模时频矩阵中特定行或列的信息,未能充分挖掘矩阵元素之间的关联信息,且各分类器自身存在一些缺点,如神经网络收敛性差、训练时间长、容易陷入局部最优[15],模糊系统很难建立“IF-THEN”这样的明显知识规则[15],支持向量机的识别能力易受自身参数的影响[17],规则树的制定过程复杂等;导致在噪声情况下,分类准确率均不高,且只考虑了特定时间范围内信号的扰动分类情况,均不能用于不同时间长度信号的扰动分类。

文献[18]提出一种基于S变换模时频矩阵相似度的分类方法,通过直接计算扰动信号S变换模时频矩阵与各种扰动标准模时频矩阵之间的相似度,量化其特征差异实现扰动分类,以模板匹配的方法代替传统分类器,简化了分类算法。但该方法未考虑扰动为任意时间长度的情况,即持续时间不同的扰动需要建立一系列不同的模板,且并未针对各种扰动模时频矩阵的特征选取模板,各扰动之间差异不明显,导致在20 dB的噪声水平下,电压凹陷、电压缺口和尖峰彼此之间容易误判。

本文提出基于S变换下模时频矩阵局部相似度的SDPQD分类方法。通过时频尺度缩放,实现各类扰动特征标准化,并按各扰动特征取其模时频矩阵特定部分,以此持续时间不同的同类扰动可建立唯一的标准化模板,作为该类扰动的标准判据。引入数字图像处理中相似度指标量化未知扰动各局部模时频矩阵与各类扰动标准化模板之间的接近程度,以模板匹配的方法,按照相似度最大原则对任意持续时间的扰动进行分类。局部化的扰动特征更能突出同类扰动彼此相似、不同类扰动彼此差异的性质,充分利用各扰动模时频矩阵中元素之间的关联信息,在20 dB噪声水平下每种测试样本与该类扰动标准化模板平均相似度皆达到了0.96以上,且与其他扰动标准化模板差别明显;特别是在强噪声环境下,有利于削弱噪声对分类准确率的影响。仿真结果表明,本文方法在40 dB,30 dB,20 dB噪声水平下分类准确率均为100%,是一种有效的SDPQD分类方法。

1 S变换基本原理及数字图像缩放原理

1.1 S变换基本原理

S变换由Stockwell于1996年提出,是一种可逆的局部时频分析方法,其思想是对连续小波变换和短时傅里叶变换的发展。信号x(t)的S变换S(τ,f)定义如下:

$S(\tau ,f)={\displaystyle {\int }_{-\infty }^{\infty }x}(t)w(\tau -t,f)\exp (-2\text{π}ft\text{i})\text{d}t(1)$

式中:τ为控制高斯窗口在t轴位置的参数;w(τ-t,f)为高斯窗口,

$w(\tau -t,f)=\frac{|f|}{\sqrt{2\text{π}}}\exp \left(\frac{-f{}^2(\tau -t){}^2}{2}\right)(2)$

由式(2)可以看出,S变换不同于短时傅里叶变换之处在于高斯窗口高度和宽度随频率而变化,克服了短时傅里叶变换窗口高度和宽度固定的缺陷。

S变换的离散表示形式(n≠0)为:

$S[m,n]={\displaystyle \sum _{k=0}^{{\rm N}-1}{\rm H}}[n+k]\exp \left(-\frac{2\pi {}^{2}k{}^2}{n{}^2}\right)\exp \left(\frac{2\text{π}km\text{i}}{{\rm N}}\right)(3)$

式中:

${\rm H}[n]=\frac{1}{{\rm N}}{\displaystyle \sum h}[k]\exp \left(-\frac{2\text{π}kn\text{i}}{{\rm N}}\right)(4)$

n=0时的离散S变换定义为:

$S[m,n]=\frac{1}{{\rm N}}{\displaystyle \sum _{k=0}^{{\rm N}-1}h}[k]n=0(5)$

式中:h[k]是对连续时间信号h(t)进行采样得到的离散时间序列。

S变换可由快速傅里叶变换实现快速计算。h[k]经S变换后得到一个复时频矩阵,对矩阵中的各个元素求模可得与之对应的模时频矩阵。

1.2 数字图像缩放原理

设原始图像中的点A0(x0,y0)缩放后,在新图像中的对应点为A1(x1,y1),则A0(x0,y0)与A1(x1,y1)之间的坐标关系可表示如下:

$\left[\begin{array}{c}x{}_1\\ y{}_1\\ 1\end{array}\right]=\left[\begin{array}{ccc}a& 0& 0\\ 0& b& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}x{}_0\\ y{}_0\\ 1\end{array}\right](6)$

即

$\{\begin{array}{c}x{}_1=ax{}_0\\ y{}_1=by{}_0\end{array}(7)$

式中:a和b为缩放因子。

在数字图像中,规定所有的像素值都位于采样栅格的整数坐标处,而通过缩放后的灰度值往往会出现在原始图像中相邻像素值的点之间。为此,需要通过插值运算来获得缩放后不在采样点的像素的灰度值。双线性插值法原理[19]如图1所示。

双线性插值法通过线性插值方式来得到目的图像的像素值。对于一个点的像素,其坐标通过反向变换可得到一个浮点坐标(x1,y1),可令其为(i+u, j+v),其中 i 和j 均为整数, u 和v 为[0,1]区间的浮点数,则这个目的像素的值f(i+u,j+v)可由原图像中坐标为(i, j), (i+1,j), (i,j+1), (i+1,j+1)所对应的值的线性插值来决定,即

f(i+u,j+v)=(1-u)(1-v)f(i,j)+(1-u)vf(i,j+1)+u(1-v)f(i+1,j)+uvf(i+1,j+1) (8)

2 基于S变换下模时频矩阵局部相似度的SDPQD分类方法

本文考虑的单一SDPQD信号有:电压凹陷、电压凸起、电压缺口、电压尖峰、振荡暂态和短时谐波;复合型扰动有:电压凹陷加谐波和电压凸起加谐波。各信号采样频率为12.8 kHz(即每周期采样256个点),电压频率为50 Hz。

2.1 扰动标准化模板建立

首先生成不含噪声的8类SDPQD信号,其扰动时刻、持续时间、扰动幅值、谐波含量及振荡衰减率在其定义范围内随机变化。对每类任意持续时间长度的SDPQD信号30个波形进行S变换,采用S模矩阵幅值平方和均值定位扰动发生时间和持续时间[20],并提取S模矩阵中扰动发生前一周期至扰动结束后一周期各行、列元素,行对应频率值,列对应采样时间点。对其时频尺度进行缩放,首先统一时间尺度:将扰动发生前一周期和扰动结束后一周期各列尺度压缩为半个周期时间长度;将扰动持续期尺度缩放为一周期时间长度。然后对各行尺度缩放统一频宽分辨率,即可形成标准化的扰动特征矩阵,并将时频尺度缩放后30个相同大小的扰动特征矩阵相加后求平均,形成该类SDPQD全局模板,再根据各种扰动的特征从全局模板中选出最能表示该扰动特征的一部分作为标准化模板。因此,某类扰动标准化模板可以事先考虑不同条件情况下的同类扰动,且最能体现其扰动特征。

2.2 扰动信号等值线图像尺度缩放和局部化分析

2.2.1 尺度缩放分析

为更细致地观察出时频尺度压缩前后电压凹陷等值线图像发生的变化,将该类型扰动尺度变换前后的等值线图像在1 Hz～150 Hz区域进行放大。持续时间为4个周期的电压凹陷等值线图;持续时间不同,图像中等值线稀疏部分长短各异。将4个周期的电压凹陷持续期特征压缩为1个周期长度,如附录A图A1所示。建立电压凹陷的全局模板等值线图像如附录A图A2所示。由相似度计算可知:样本尺度压缩前与模板相似度为0.771 7,样本尺度压缩后与模板的相似度为0.958 9。

2.2.2 局部化分析

电压缺口和尖峰的扰动特征在高频段会产生暂态分量,但易受噪声影响且电压缺口与尖峰高频部分极其相似。由附录A图A3、图A4可知:在20 dB噪声水平下的电压缺口和电压尖峰测试样本非常相似,即图A3和图A4彼此容易误判。电压缺口和尖峰除了会产生暂态分量外,其主要扰动特征为在低频部分等值曲线的变化,上述2种扰动类型对应于不同的低频等值曲线变化,这种变化在时间极短的情况下不明显,可通过尺度缩放以后突出该变化,因而取全局模板中25 Hz～100 Hz作为其标准化模板,对其进行拉伸如附录A图A5和图A6所示;将测试样本取与标准化模板相同部分如附录A图A7和图A8所示,可以由图A5～图A8直观进行判断。由相似度计算可知:缺口和尖峰样本与全局模板相似度分别为0.957 1和0.957 3,缺口和尖峰样本与标准化模板的相似度分别为0.998 9和0.999 2。

同理,按各扰动特征取其模时频矩阵的一部分作为其标准化模板更能突出差异性,其余各扰动标准化模板的选取为:电压凹陷和电压凸起的扰动特征主要集中在基频附近,但为了加大与振荡暂态和短时谐波图像的差异,因而取全局模板中1 Hz～800 Hz作为其标准化模板;振荡暂态的主要扰动特征集中在扰动周期内的高频部分,因而取全局模板中频率600 Hz～800 Hz、采样点80～380作为其标准化模板;短时谐波的主要扰动特征集中在扰动周期内的中频部分,且为了能与电压凹陷加谐波等复合扰动显著区分,因而取全局模板中频率25 Hz～450 Hz、采样点80～380作为其标准化模板;电压凸起加谐波、电压凹陷加谐波与短时谐波标准化模板的选取情况相同。

由上述比较得出:时频尺度缩放起到统一扰动持续时间尺度和频宽分辨率的作用;同类持续时间不同的扰动,时频尺度缩放后扰动特征趋于一致,且在全局模板的基础上按各种扰动特征部分作为其标准化模板;各扰动标准化模板彼此间差别极大,说明通过时频尺度缩放和局部化模板,更加突出了各类扰动特征之间的差异性。

2.3 扰动分类原理

基于数字图像处理中相似度思想[19],设MA为某SDPQD测试样本信号经S变换和时频尺度缩放后按各扰动特征局部化后所得的扰动特征局部矩阵,MB为已建立的某类SDPQD信号的扰动标准化模板,两者之间的相似程度由下式描述。

$S{}_{\text{A}\text{B}}=\frac{{\displaystyle \sum _{i=1}^L{\displaystyle \sum _{j=1}^W{\rm M}}}{}_{\text{A}}(i,j){\rm M}{}_{\text{B}}(i,j)}{\sqrt{{\displaystyle \sum _{i=1}^L{\displaystyle \sum _{j=1}^W{\rm M}}}{}_{\text{A}}^2(i,j){\displaystyle \sum _{i=1}^L{\displaystyle \sum _{j=1}^W{\rm M}}}{}_{\text{B}}^2(i,j)}}(9)$

式中:L和W分别为矩阵的行数和列数;MA(i,j)和MB(i,j)分别为标准化后的扰动特征局部矩阵和扰动标准化模板中第i列和第j列元素幅值。

综上可知,扰动分类步骤为:首先对未知类型的SDPQD进行S变换分析,对S变换结果进行时频尺度缩放,生成全局模矩阵,然后分别计算该矩阵中与各扰动标准化模板相同大小的局部矩阵与各类扰动标准化模板的相似度,比较所得相似度的大小,如果与某一类扰动标准化模板相似度最大,则表明该扰动与这一类标准化模板内容最相近,故将未知类型扰动归为该扰动标准化模板对应的那一类SDPQD,即按相似度最大原理进行分类。

3 仿真分析

本文采用MATLAB 7.0生成8类SDPQD信号,其数学表达式及主要特征参数如表1所示。

3.1 仿真算例1

每类SDPQD信号随机生成100个测试样本,总计800个测试样本,在测试样本上叠加20 dB的高斯白噪声,计算测试样本经S变换和时频尺度缩放后的各扰动特征局部矩阵与8类扰动标准化模板的相似度。每类SDPQD的100个测试样本与该类扰动标准化模板的相似度范围分别如下:电压凹陷0.958 4～0.997 1,电压凸起0.970 6～0.995 4,电压缺口0.998 1～0.999 9,电压尖峰0.998 5～0.999 9,振荡暂态0.959 8～0.994 5,短时谐波0.973 1～0.993 3,电压凹陷+谐波0.952 3～0.982 5,电压凸起+谐波0.960 9～0.979 7。表2列出了各类扰动标准化模板之间的相似度,表3列出了每类SDPQD的100个测试样本与8类扰动标准化模板的平均相似度。从表2可以看出,各类标准化模板之间差别明显,虽然某些模板之间相似度很高(如缺口与尖峰),在其他样本与自身扰动标准化模板的相似度范围以内,但是在该类测试样本与此类模板的相似度并不高。由表3易看出,每类测试样本特征局部矩阵都与同类的标准化模板平均相似度最大,与其他扰动标准化模板差别明显,而且同一类标准化模板也只与其同类测试样本特征局部矩阵平均相似度最大且都达到了0.96以上,比文献[18]中的平均相似度更高。算例证明了利用标准化模板局部相似度分类的可行性。

注:A为扰动的幅值;t1为扰动发生时刻;t2为扰动结束时刻;c为衰减系数;α为波动频率相对系数;ω0为基波角频率;u(t)为单位阶跃函数;T为周期。

3.2 仿真算例2

在测试样本上分别叠加40 dB,30 dB,20 dB的高斯白噪声,每一类信号分别在3种噪声环境下随机各取1 000个样本,总计24 000个测试样本进行测试,这些SDPQD信号扰动时间变化较大,如电压凹陷、凸起的持续时间从1个周期至30个周期,数据本身不规则性较大。采用本文的方法,在40 dB,30 dB,20 dB噪声水平下分类准确率皆为100%,可见,该分类方法对噪声不敏感,分类结果理想。

4 结语

本文通过时频尺度缩放,并按各扰动特征取其模时频矩阵特定部分,以此持续时间不同的同类扰动可建立唯一的标准化模板作为该类扰动的标准判据,由此建立的标准化模板更能体现各类扰动的特征,每种测试样本与该类扰动标准化模板平均相似度皆达到了0.96以上,实现了对6种单一型和2种复合型SDPQD的分类。

以模板匹配的方法,按局部矩阵相似度最大原则进行分类;仿真结果表明,该方法对噪声不敏感,分类准确率高,过程简单明确,是一种有效的短时电能质量扰动分类方法。

下一步工作将考虑如何提高用该方法进行SDPQD分类的实时性。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

摘要：采用基于S变换下的模时频矩阵局部相似度对短时电能质量扰动进行分类。首先,由时频尺度缩放将各类持续时间不同的扰动特征标准化,按照各扰动特征选取其模时频矩阵特定部分,以此建立矩阵大小不一且特征明显的各类扰动标准化模板;然后计算未知扰动各局部模时频矩阵与各类扰动标准化模板之间的相似度,按照相似度最大原则将扰动进行分类。由于各类扰动在不同的时频区域高度聚合了自身特征,采用局部时频区域相似度原理大大提高了同类扰动的相似度,建立的各类扰动标准化模板之间差异明显,不使用辅助性分类器而直接实现扰动分类,且分类过程简单明确,可用于不同时间长度的扰动分类。该方法有效利用局部区域明确的时频相关性,抗干扰能力比采用全局相似度强。仿真结果表明了很好的短时电能质量扰动分类效果。

矩阵式质量检测论文 第9篇

关键词：发明问题的解决理论,矛盾矩阵法,Pro/E课程教学

0 引言

随着TRIZ理论的广泛运用,人们越来越认识到TRIZ理论对于指导各领域分析解决遇到问题的重要实践意义。通过学习,对运用TRIZ理论分析解决问题的步骤有了初步认识。为了进一步体会TRIZ理论的实践意义,提高运用TRIZ理论分析解决问题的能力,在此,对如何提高Pro/E课程教学质量,尝试用TRIZ理论中的矛盾矩阵法进行分析研究,并根据研究体会,提出具体措施。

1 关于TRIZ理论

1.1 TRIZ理论简介

发明问题解决理论(teoriya resheniya izobreatatelskikh zadatch,TRIZ)在欧美国家也可缩写为TIPS(theory of the solution of inventive problems)。TRIZ理论是前苏联发明家阿利赫舒列尔(G. S. Altshuller)在1946年创立的,主要研究能迅速实现新的发明创造或解决技术难题的可遵循的科学方法和法则,是一个由解决技术,实现创新开发的各种方法、算法组成的综合理论体系。在此基础上,阿利赫舒列尔和他的TRIZ研究机构经过多年的研究,提出许多解决问题的工具以及方法,常用的有:矛盾矩阵和40项解决原理、物质场分析与76项标准解答等。

1.2 TRIZ解决问题的过程

在利用TRIZ解决问题的过程中,首先应将自己要解决的问题表达成为TRIZ理论中的标准问题,然后利用TRIZ中的工具:如40项原理、76项标准解答等,求出该TRIZ标准问题的普适解或称模拟解(analogous solution),最后再把该解转化、理解、吸收为要解决的具体问题的解或特解。TRIZ解决问题的过程如图1所示。

2 矛盾矩阵法

TRIZ理论的重要方法就是使用通用工程参数将各种矛盾冲突进行标准化归类,用通用工程参数来进行问题的表述,通用工程参数是连接具体问题与TRIZ理论的桥梁。TRIZ通过对大量专利的详细研究、分析、比较、统计,总结提炼出工程领域内常用的表述系统性能的39个通用工程参数,归纳出当39个工程参数中的任意2个参数产生矛盾时,化解该矛盾所使用的原理,这就是40项原理。阿奇舒勒还将工程参数的矛盾与40项原理建立了对应关系,整理成一个3939的矩阵,这个矩阵称为阿奇舒勒矛盾矩阵。阿奇舒勒矛盾矩阵使问题解决者可以根据系统中产生矛盾的2个工程参数,从矩阵表中直接查找化解该矛盾的发明原理,并使用这些原理来解决问题。矛盾矩阵简表如表1所示。

3 提高Pro/E课程教学质量的研究分析

学生对Pro/E课程的掌握程度,即为对软件的操作及应用的熟练程度,其具体表现为绘图的速度(可用TRIZ矩阵中的“速度”参数进行描述),而影响绘图速度的因素可分为主观因素及客观因素两方面。主观因素方面:包括学生的个体差异、学习基础等,是制约绘图速度提高的主要原因,可用TRIZ矩阵中的“装置复杂性”参数进行描述;客观因素方面:学生学习注意力的保持、计算机游戏对学生的吸引力等,是影响学生Pro/E学习的重要原因,可用TRIZ矩阵中的“对外来有害因素作用的敏感”参数进行描述。通过查TRIZ矛盾矩阵表,找出解决冲突的原理:

3.1 速度/装置复杂性(34,10,28)

a) 原理34:抛弃或再生原理。1) 已完成自己的使命或已无用的物体部分应当剔除或在工作过程中直接变化;2) 消除的部分应当在工作过程中直接再生。

具体措施:由于学生的个体差异,会导致有的学生对相关内容掌握较快,有的学生掌握较慢,对于掌握较快的学生,应当提供比任务更复杂的图样供他们进行进一步的学习;对于掌握较慢的学生,可适当考虑降低任务难度。

b) 原理10:预先作用原理。1) 预置必要的动作、功能;2) 预先在方便的位置安置相关设备,使其在需要的时候及时发挥作用而不浪费时间。

具体措施:从教学的角度来看,预先作用既为对学习内容的预习。对接受知识较慢的学生强调预习的作用,提高了解相关学习内容,提前发现需要在学习过程中解决的问题,可有效解决学生学习基础差的问题。还可以预先录制教学视频,当单个学生碰到问题的时候可自行观看教学视频获得解决。

c) 原理28:机械系统替代原理。1) 用光学,声学、“味学”等设计原理代替力学设计原理;2) 用电场.磁场和电磁场同物体相互作用;3) 由恒定场转向不定场,由时间固定的场转向时间变化的场,由无结构的场转向有一定结构的场;4) 利用铁磁颗粒组成的场。

具体措施:利用多媒体手续丰富教学元素,精美的图片、直观的动画、详尽的视频等,都是吸引学生主动学习的有效手段。

3.2 速度/对外来有害因素作用的敏感(21、22、35、28)

a) 原理21:减少有害作用时间原理。1) 将危险或有害的作业在高速下进行。

具体措施:学生学习注意力的保持程度通常与所讲授内容对学生的吸引程度成正比,为减少有害作用时间,应缩短理论教学时间,增加操作时间;将理论教学与操作教学穿插进行;教师授课语言应更为精炼准确。

b) 原理22:变害为利原理。1) 利用有害因素,获得有益的效果;2) 通过有害因素与另外几个有害因素的组合来消除有害因素;3) 将有害因素加强到不再是有害的程度。

具体措施:在计算机房学习,电脑游戏是妨害教学的一大因素,往往禁而不止。根据变害为利原理,可考虑采取如下措施:采取激励机制,对于提前完成学习任务的同学,允许玩内容健康的电脑游戏;将学习任务游戏化,引入排名机制;事先评估学生疲劳时间,允许学生在这一时间内玩电脑游戏。

c) 原理35:改变物体聚合态原理。

具体措施:改善机房条件,适宜的温度、合理的高度、运行速度较快的电脑,都可以让学生更好的保持学习热情。

d) 原理28:机械系统替代原理。

具体措施:利用多媒体手续丰富教学元素。

4 结语

通过对运用TRIZ理论的矛盾矩阵法对提高Pro/E课程教学质量的分析研究,对TRIZ理论有了更直观的认识,并且进一步了解了运用TRIZ理论分析解决问题的过程,更深层的认识到运用TRIZ理论分析解决问题的重要意义。通过分析,提出了提高Pro/E课程教学质量的具体措施,这些措施是否能够实现目标,尚有待在实际工作中加以验证。

参考文献

[1]赵敏,史晓凌,段海波.TR IZ入门及实践[M].北京:科学出版社,2008.

[2]王伯鲁.萃思学(TR IZ)及其推广应用问题探析[J].科技进步与对策,2009,26(18):132-135.

矩阵式质量检测论文 第10篇

【关键词】分块矩阵；逆矩阵；行列式

一、引言

关于矩阵的求逆问题， 文献[1]—[6]中都有讨论，文献中求逆矩阵的方法主要有初等变换法、公式法、定义法等；行列式的计算也是非常重要的，文献[2]—[10]中一般用定义法、依行依列展开法、加边法、递推法等计算行列式的值。 本文利用分块矩阵降阶的思想得出分块矩阵在求逆矩阵和行列式值两方面的应用。

二、主要结果及证明

（一）利用矩阵的分块求矩阵的逆

定理1 设P=A BC O是一个n阶方阵，并且B，C分别为r阶和s阶可逆方阵，r+s=n，则有P-1=OC-1

B-1-B-1AC-1.

证明 ： 设X为P的逆矩阵， 将X按P的分法进行分块

X=X1X2X3X4，则有ABCO X1X2X3X4=

IOOI，

于是得AX1+BX3=I（1）

AX2+BX4=O（2）

且CX1=O，CX2=I，因为C可逆，用C-1左乘CX1=O，CX2=I，得X1=O，X2=C-1，

将X1=O代入（1），得BX3=I，又B可逆，得X3=B-1，将X2=C-1代入（2）得：AC-1+BX4=O，所以BX4=-AC-1，于是X4=-B-1AC-1，

则有

X=OC-1B-1-B-1AC-1，

即P-1=OC-1B-1-B-1AC-1

用同样的方法可证得以下两个定理：

定理2 设P=OBCD是一个n阶方阵，并且B、C分别为r阶和s阶可逆方阵，r+s=n，则有 P-1=-C-1DB-1C-1B-1O

定理3 设P=OBCO是一个n阶方阵，并且B、C分别为r阶和s阶可逆方阵，r+s=n，则有P-1 =OC-1B-1O

定理4 设M=ABCD，其中B，C均为n阶可逆矩阵，并记P=C-DB-1A，且P可逆，则M-1=-P-1DB-1P-1

B-1+B-1AP-1DB-1-B-1AP-1

证明：设M-1=xyzw，其中，x，y，z，w都是n阶方阵，则由MM-1=M-1M=I

得ABCD xyzw=Ax+BzAy+BwCx+DzCy+Dw=IOOI，

可得Ax+Bz=I（3）

Ay+Bw=O（4）

Cx+Dz=O（5）

Cy+Dw=I（6）

由（3）得z=B-1-B-1Ax（7）

代入（5）得Cx+D（B-1-B-1Ax）=O ，解出x得 x=-（C-DB-1A）-1DB-1=-P-1DB-1 ，

代入（7）得z=B-1+B-1AP-1DB-1.同理，由（4）得

w=-B-1Ay（8）

将（8）代入（6）得（C-DB-1A）y=I，即y=P-1，代入（8）得w=-B-1AP-1，则

M-1=xyzw

=-P-1DB-1P-1B-1+B-1AP-1DB-1-B-1AP-1

（二）利用矩阵的分块求行列式的值

定理5 设P=ABCD是2n阶方阵，A，B，C为n阶方阵，

则有

|P|=（-1）n|B|·|C|.

证明 ： 因为A，B，C均为n阶方阵，则

ABCD

InInOIn

InO-InIn

=-BA+BOC，

两边取行列式，得

ABCO

InInOIn

InO-InIn=

-BA+BOC，

即ABCO=-BA+BOC，

由引理2，得

-BA+BOC=

-B·-C=（-1）nB·C，

用同样的方法可证得以下两个定理：

定理6 设P=OBCD是2n阶方阵，B，C，D为n阶方阵，则有

-B=（-1）nB·C.

定理7 设P=OBCD是2n阶方阵，B，C为n阶方阵，则有

P=（-1）nB·C.

定理8 设A，B，C，D都为n阶矩阵，其中B≠0.，并且BD=DB，则有

ABCO=（-1）nBC-DC.

证明 ： 因为-B≠0，故B可逆，B-1存在，则

ABCO

IO-B-1AI

=OBC-DB-1AD，

显然有IO-B-1AI=1，故上式两端取行列式得

ABCO=

OBC-DB-1AD，

由推论6知

OBC-DB-1AD=（-1）nB·C-DB-1A

=（-1）nOBC-DBB-1A，

注意到BD=DB，则有

（-1）nBC-BDB-1A=（-1）nBC-DBB-1A

=（-1）nBC-DA，

即 ABCO=（-1）nBC-DA



【参考文献】

[1]张玉莲，童李娜.求逆矩阵的一些方法[J].平顶山学报，2007，22（2）：71-73.

[2]张禾瑞，郝炳新.高等代数[M].北京：高等教育出版社，1999.

[3]王萼芳，石生明.高等代数（第三版）[M].北京：高等教育出版社，2003.

[4]张小红，蔡秉衡等.高等代數专题研究选编[C].西安：陕西科学技术出版社，1992.

[5]滕加俊，罗剑，吴红等.高等代数辅导及习题精解（上册）[M].西安：陕西师范大学出版社，2004.

[6]孔庆兰.分块矩阵的应用[J].枣庄学院学报，2006，23（5）：23-26.

[7]钱吉林，刘丁酉.高等代数题解精粹[M].北京：中央民族大学出版社，2005.

[8]廖军.分块矩阵求阶行列式的值[J].文山师范高等专科学校学报，2004，17（2）：164-168.

[9]Steven J.Leon.Linear Algebra with Applications（Sixth Edition）[M].China Machine Press，2004.

[10]陈志杰，陈咸平.高等代数与解析几何习题精粹[M].北京：科学出版社，2002.

【基金项目】

陕西省教育厅专项科研计划项目（07JK430）

【作者简介】

明道忠（1988— ），男，海南人，延安大学数学与计算机科学学院硕士研究生。研究方向：数学。

矩阵式质量检测论文 第11篇

1 仪器与试药

1.1 仪器

高效液相色谱仪[包括515双泵, 2996光电二极管矩阵检测器 (PDAD) ], 柱温箱, Empower中文色谱工作站, 美国Waters公司;LD-500中药粉碎机 (长沙市常宏制药机械设备厂) ;DH25-12DTN超声清洗器 (上海狄昊实业发展有限公司, 功率500 W, 频率40 k Hz) ;中药色谱指纹图谱相似度评价系统 (2004A版, 国家药典委员会) 。

1.2 试药

绿原酸和木犀草素对照品 (中国药品生物制品检定院, 批号分别为110753-200212、111520-200506) ;乙腈 (色谱纯, 天津康科德科技有限公司) ;水为超纯水;其余试剂均为分析纯。杏香兔耳风药材分别采自浙江和江西, 经宜春学院李开泉教授鉴定为杏香兔耳风Ainsliaea fragrans Champ.的全草。

2 方法与结果

2.1 溶液的制备

2.1.1 对照品混合溶液的制备

精密称取绿原酸对照品5.10 mg和木犀草素对照品3.02 mg, 用流动相溶解后定容于20 m L容量瓶中, 得含绿原酸0.255 mg/m L和木犀草素0.151 mg/m L的对照品混合溶液。

2.1.2 样品溶液的制备

杏香兔耳风干燥后粉碎, 过80目筛。精密称取约1.5 g, 置具塞三角烧瓶中, 用移液管精密加入70%乙醇50 m L, 称重, 超声提取60 min (功率500 W, 频率40 k Hz) , 放冷后称重, 用70%乙醇补足减失的重量, 摇匀后0.45μm滤膜过滤, 得样品溶液。

2.2 测定波长的选择

通过PDAD检测器对绿原酸和木犀草素对照品混合溶液在190~600 nm波段内进行三维扫描, 提取紫外吸收光谱, 谱图中绿原酸最大吸收波长分别为218.5 nm和328.6 nm, 木犀草素最大吸收波长分别为256.5 nm和356.2 nm。选择356 nm作为检测波长, 色谱图中酚酸类和黄酮类组分均有较强吸收, 在保证组分峰信噪比较高的同时, 色谱峰信息量最大。绿原酸和木犀草素紫外光谱见图1。

2.3 提取溶剂和提取次数的优化

精密称取杏香兔耳风粉末1.5 g, 置具塞三角烧瓶中, 用移液管分别精密加入无水乙醇、70%乙醇、50%乙醇、30%乙醇、甲醇、70%甲醇、50%甲醇、30%甲醇约50 m L, 按“2.1.2”项下样品溶液的制备方法制备样品溶液, 精密吸取10μL进样分析。结果70%的乙醇能够有效地提取杏香兔耳风中的成分, 提取效率最高, 色谱峰最为丰富, 且第2次提取的共有峰色谱总面积仅为第1次提取液的3.1%, 故选择70%的乙醇作为提取溶剂, 提取次数为1次。

2.4 色谱条件

流动相为乙腈-缓冲溶液 (乙酸-Na H2PO4, 0.1 mol/L, p H=2.5) , 梯度洗脱程序为0 min (20∶80) →15 min (20∶80) →20 min (40∶60) →30 min (40∶60) →40 min (50∶50) ;流速1.0 m L/min;检测波长356 nm;柱温30℃。对照品的HPLC色谱见图2。

2.5 精密度试验

取同一杏香兔耳风样品溶液, 按选定的色谱条件进行HPLC分析, 连续进样5次, 利用中药色谱指纹图谱相似度评价软件, 计算同一样品的指纹图谱相似度, 结果显示5次连续进样色谱图的相似度RSD为0.12%, 共有色谱峰面积的RSD在0.15%~1.12%之间, 表明仪器的精密度良好。

2.6 重现性试验

取同一批次杏香兔耳风药材样品5份制备样品溶液, 分别精密吸取10μL进样分析, 各共有峰保留时间和峰面积的RSD分别为0.63%~1.35%和1.54%~2.33%, 表明该测定方法的重复性良好。

2.7 稳定性试验

取同一杏香兔耳风样品溶液, 按选定的色谱条件, 在0、2、6、10、15、20、24 h分别进样分析, 提取356 nm色谱, 计算得各共有峰保留时间和峰面积的RSD分别为1.12%~2.42%和0.80%~1.26%, 表明供试品溶液在24 h内稳定。

2.8 杏香兔耳风指纹图谱的建立及相似度分析

2.8.1 指纹图谱的建立

按“2.1.2”项下方法制备12批次杏香兔耳风药材的样品溶液, 在选定的色谱条件下, 依次进样检测, 提取12批次杏香兔耳风HPLC指纹图谱。根据色谱工作站计算的色谱峰峰面积积分值和相对保留时间等参数进行比较分析, 通过比较绿原酸、木犀草素对照品和杏香兔耳风样品色谱峰的保留时间和紫外光谱, 共选定11个共有峰作为杏香兔耳风HPLC指纹图谱的特征峰。杏香兔耳风HPLC指纹图谱见图3。

R:对照指纹图谱;S1~S12:杏香兔耳风样品;2:绿原酸;11:木犀草素

2.8.2共有图谱模式的建立

将12批次杏香兔耳风样品的色谱数据导入中药色谱指纹图谱相似度评价系统, 经设参照谱, 谱峰自动匹配, 生成杏香兔耳风对照谱, 进行相似度计算。12批次杏香兔耳风样品中11个共有峰保留时间的RSD均小于1.35%, HPLC色谱与对照谱的相似度值均大于0.910[11]。12批杏香兔耳风HPLC指纹图谱相似度计算结果见表1。

3讨论

本实验优化了杏香兔耳风样品的提取条件, 选择70%乙醇超声提取60 min提取效率最高。同时对色谱条件进行考察, 选择在356 nm条件下杏香兔耳风中酚酸类和黄酮类成分均有较好的吸收, 出峰数量多, 峰形对称性好, 优选的梯度洗脱条件, 组分峰分离度好, 有15个峰形清晰可辨, 符合指纹图谱要求。方法具有良好的精密度、稳定性和重复性, 操作简便易行, 能够用于杏香兔耳风指纹图谱的建立。