基于自适应AR模型巡航飞行参数预测研究

为更准确实现飞行参数趋势预测,提出一种基于自适应自回归(AR)模型的稳定巡航飞行参数预测方法。根据稳定巡航参数筛选条件,获取建模所需飞行参数。利用卡尔曼滤波原理估计AR模型参数,并与飞行参数构建系统方程,利用无迹卡尔曼滤波实时更新、修正AR模型参数估计值,将自适应AR模型的预测值与曲线拟合模型和灰色模型的预测值进行对比。以波音B777-300ER飞机的快速存取记录器数据样本进行仿真验证,结果表明:自适应AR模型在数据预测和收敛速率方面均更优,可有效降低预报模型随步数增加导致的精度误差,提高参数预测准确性。研究在飞机维修保障、状态监控与预测等方面具有重要作用。

基于声发射AR模型的滚动轴承故障诊断

滚动轴承是旋转机械中应用最广泛的零部件之一,滚动轴承故障诊断方法及其状态监测技术是保障机器安全平稳运行的关键技术之一。采用功率谱分析、经典谱估计等方法,从中提取故障特征信息,完成基于振动加速度信号的轴承状态分析;但由于感知受本体振动及高噪声环境影响,很难完成轴承早期故障损伤表征特征的识别。论文提出具有高频高灵敏度的感知方法与振动检测技术,具有较高信噪比特性,并能够感知小幅的轴承早期故障损伤冲击响应信息,同时采用AR模型方法与功率谱估计方法相结合,可实现轴承早期故障特征识别。此外,以天然气压缩机的高速轴承为分析实例,采用具有高频高灵敏度的声发射感知技术,实现故障特征状态识别与分析,结果表明优于经典谱估计的方法,为轴承故障损伤产生、演变至故障的状态监测及其修正提出可行的理论支持,进一步保障设备运行安全。

基于AR模型的多普勒散射计回波功率谱估计

当采样点数少或流速较小时,采用周期图法估计的多普勒散射计(Doppler scatterometer,DopSCAT)回波功率谱分辨率低,多普勒频移提取精度低。对此,提出了一种基于自回归(autoregressive,AR)模型的DopSCAT回波功率谱估计方法。该方法为DopSCAT回波信号建立含有未知参数的AR模型,采用赤池信息量准则自适应确定模型的最优阶数;对定阶后的AR模型采用Burg算法计算模型参数,利用得到的AR模型估计回波功率谱;对功率谱进行峰值检测提取多普勒频移计算径向流,采用两个观测方位向的径向流合成得到海面流场。利用OSCAR海流数据进行了回波功率谱估计与海流反演实验。分析结果表明,与周期图法相比,该方法能够显著提高回波功率谱分辨率和多普勒频移的提取精度,进而提高了海流的反演精度。

风场模拟中AR模型的若干问题

自回归(AR)模型具有计算量小,模拟速度快等优良特性,在风场模拟中得到了广泛应用。本文对AR模型进行了系统的研究,将脉动风场模拟中广泛应用的AR模型归为两大类,对模型中的参数从理论上进行了合理的解释。对两种模型模拟脉动风场时涉及到的Wiener-Khintchine公式的变换形式,通过分析对其进行了修正,指出算法上可以采用FFT技术来计算互相关矩阵的元素以提高计算效率。提出了AR模型编程中偶然发现的自回归顺序问题,算例表明两种不同方法的风速时程样本及其无偏自相关估计和自功率谱估计均有较大的影响,希望能引起更多同行对该问题的注意。尽管标量过程AR模型简单且易于掌握,但不能考虑时滞问题。相比之下,理论分析和数值实验都证明,向量过程的AR模型在精度总体要高于标量过程的AR模型,但其运算时间也相应增多。

基于AR模型的直升机桨叶模态的识别方法有效性研究

采用基于AR(自回归)模型的功率谱估计方法的频域分解法,研究旋转桨叶的模态识别效果。利用仿真信号,研究基于AR模型谱估计的频域分解法对密集模态的识别效果,并与采用一些常规频域分解法求功率谱的识别结果进行仿真比较,最后利用旋转梁模型进行试验,验证这种方法对识别旋转桨叶模态的有效性。结果表明,识别结果较为理想,对桨叶模态分析具有一定实用价值。

最小二乘AR模型的惯性器件故障预测

以随机信号时间序列AR模型为基础,将激励噪声信号构造为准则函数,采用最小二乘法对AR模型参数进行辨识,得到惯性器件漂移误差系数最小二乘AR预测模型,泛化用于故障预测。仿真结果表明:与功率谱估计的参数化AR、ARMA模型相比,最小二乘AR预测模型在高、低阶次时辨识精度较高、泛化能力较强,这一特点在低阶时尤为明显,其预测结果可为发现故障隐患、辅助决策提供依据。

基于AR模型的剪切型结构数据挖掘损伤诊断方法

结构健康监测中采用的损伤诊断方法大多仅能在程度上对损伤进行相对判断,不能准确地判断损伤产生的数值。从剪切型框架结构的加速度响应信号出发,构建AR数据挖掘模型。通过提取AR模型的自回归系数达到结构刚度识别的目的,以刚度值作为判定结构损伤程度的定量指标。利用三层框架结构进行了试验验证,结果表明,该方法不仅能够精确地定位损伤及进行损伤程度判断,而且能够区分由结构质量改变和刚度损失所造成结构损伤情况的不同。

两种AR模型模拟空间相关性风场的比较

风场模拟中广泛应用的AR模型主要有标量过程的AR模型和向量过程的AR模型.通过取数学期望的方法,可以得到标量过程AR模型模拟空间相关性风场所采用的参数,但该参数并未考虑时滞的情况.向量过程AR模型建立在联合平稳的假设之上,可以很好地综合考虑各点的空间相关性,且回归系数矩阵包含时滞的影响,可以考虑较长时间范围内各点风速时程的时间相关性,从理论来说,要相对完善一些.本文算例表明,向量过程AR模型所模拟的风场精确度总体上要高于标量过程AR模型所模拟的风场,但也存在所模拟风场各点的自相关函数偏差大和总体运算时间多等缺点.

中国通货膨胀预测:基于AR和VAR模型的比较

文章用中国1996～2010年的CPI、PPI、货币量和产出等季度数据,考虑了两类基本但重要的时间序列模型——AR和VAR模型在预测中国通货膨胀上的样本外表现。研究表明:这两类模型在大部分预测期上对通胀的预测都优于简单的随机游走式预测;对不同滞后阶数的模型而言,通常滞后阶数越少的模型预测效果越好;M1增速、名义GDP增速和真实GDP增速都能改善仅仅依赖历史通胀信息形成的预测,但M0增速、M2增速以及PPI通胀,通常都不能改善;在含有M1增速的两变量VAR(1)模型中进一步引入产出增速构成的三变量VAR(1)模型对通胀预测没有明显改进。

基于贝叶斯推断的TAR模型的门限非线性检验

在正态分布的假定下,变点问题按照均值和方差的变化有四种情形.本文把TAR模型门限非线性的检验问题,看作是对应均值变化,方差不变情形下的变点问题.然后利用可逆跳马尔可夫蒙特卡罗模拟(RJMCMC)方法计算两个比较模型(AR和TAR模型)的后验概率.后验概率的结果支持TAR模型表明门限非线性的存在.模拟实验的结果说明基于贝叶斯推断的检验方法可以很好的区分AR和TAR模型.

基于AR和TAR模型的变点问题分析

在正态分布下,Perreault等刻画了水文时间序列4种情形的变点问题,但没有利用到具体的模型.本文设定自回归(AR)和门限自回归(TAR)模型对应均值的变化,利用贝叶斯推断法,完成这4种情形下变点问题的分析.模拟实验的结果比较理想.

基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型（英文）

准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归(auto-regressive,AR)预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解(empirical mode decomposition,EMD)的过程中,采用AR预报的方法处理端点效应问题。EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归(support vector regression,SVR)预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。

AR模型和分形几何在设备状态监测中的应用研究

状态特征指标对机械的状态监测和故障诊断具有重要意义。本文提出应用机械设备工作状态下噪声信号自回归模型的关联维数来描述设备在不同工作状态下的特征 ,进而实现对状态的监测、识别和分类。文中通过实验证明 ,设备在相同工作状态下 ,噪声信号的AR模型参数具有相近的关联维数 ,在不相同状态下则有明显不同的关联维数。因此关联维数不仅可以作为状态监测与识别和分类的重要依据 ,而且可以作为其他特征提取方法的补充。

基于小波包分解及AR模型的单通道地震波信号初至点检测

地震波信号的初至点检测在核爆地震的自动识别中起着重要作用,本文描述了一种单通道地震波信号初至点检测方法,它是基于小波包分解及对大地噪声信号进行统计分析后建立的大地噪声模型———AR模型而提出的.文中对该方法进行了理论分析及实际地震波信号检验.研究结果表明,该方法对地震波信号具有很强的自适应能力,能定量确定初至点的位置.

基于AR模型的电力系统间谐波分析

间谐波的存在给电力系统的安全、经济运行带来极大的危害,因此,对电力系统间谐波进行准确、可靠的分析有着重要的实际意义和科研价值。对于电力系统中的实际信号,其各谐波和间谐波成分往往是不能事先确定的,在信号FFT的频谱中不能很好地确定哪些谱线是信号的实际频率分量,哪些是频谱泄露所产生的虚假谱线。本文采用AR模型谱估计得到信号的各频率成分后,再结合Rife-Vincent(Ⅲ)窗的双峰谱线插值算法对各成分的幅值、频率和相角提出了新的修正方法,很好地解决了上述问题。仿真分析结果验证了本文的方法具有更高的精度。

基于EMD和AR模型的滚动轴承故障诊断方法

提出了基于 EMD(Em pirical Mode Decom position)和 AR模型的滚动轴承故障诊断方法。该方法用 EMD将滚动轴承振动信号分解成若干个平稳的 IMF(Intrinsic Mode Function)分量 ,对每一个 IMF分量建立 AR模型 ,以模型的自回归参数和残差的方差作为特征向量建立 Mahalanobis距离判别函数 ,进而判断滚动轴承的工作状态和故障类型。实验结果分析表明 ,该方法能有效地应用于滚动轴承的故障诊断。

基于AR模型和谱峭度法的滚动轴承故障诊断

自回归(AR)模型是平稳信号分析的重要工具,利用峭度最大原则确定AR模型最优阶次,然后利用此AR模型对滚动轴承故障信号进行预处理,剔除可线性预测的平稳成分,得到的残余分量中理论上只包含了噪声信号和信号的非平稳部分,从而降低了后期数据分析难度。谱峭度对于非平稳信号非常敏感,它可以将非平稳信号从噪声中检测出来,因此将两者结合起来可以更有效地对滚动轴承故障进行诊断,实验结果验证了此方法的有效性。

AR模型在土壤水分动态模拟中的应用

土壤水分运动是一个复杂的时间序列系统,其变化与区域气候条件和生态环境密切相关,具有明显的随机性波动。建立土壤水分动态变化模型可以使田间土壤水分的适时适量调节方便可行,对于农田水利工程的规划和管理也有利。利用时间序列分析方法进行丘陵地区紫色土土壤水分含量变化的预测建模研究,应用AR时间序列模型进行土壤水分含量的预测,结果表明AR模型能够较好地拟和及预测土壤水分时间序列。

基于EMD和AR模型的水轮机尾水管动态特征信息提取

提出一种基于经验模态分解(EMD)和自回归(AR)模型的水轮机尾水管动态特征信息提取方法。对经过预处理的信号进行EMD分解,得到包含特征频率的本征模态函数(IMF),对每个IMF建立AR模型,取模型参数作为故障模式识别的特征矢量。以水轮机尾水管压力脉动信号为例,运用此方法进行了尾水管动态特征信息的提取。试验表明,基于EMD和AR模型的特征提取法是故障特征提取的有效方法。

AR模型参数的抗差估计研究

实时校正一般以实测洪水流量为校正依据.研究实测洪水流量过程出现异常值时,采用抗差递推最小二乘法代替传统递推最小二乘法估计AR模型参数,能获得更稳健的参数结果.将闽江七里街流域的洪水资料人工生成异常值,对采用抗差递推最小二乘法和传统递推最小二乘法所得的校正结果进行比较,结果表明抗差递推最小二乘法具有更强的容差能力,是一种稳健的参数估计方法.