提出一种基于非线性自回归时间序列模型(gereral expression for linear and nonlinear auto-regressive mod-el,简称GNAR模型)的机械系统状态识别与故障诊断方法。利用采集系统工作过程中的特征信号建立GNAR模型;用主成分分析策略生成...提出一种基于非线性自回归时间序列模型(gereral expression for linear and nonlinear auto-regressive mod-el,简称GNAR模型)的机械系统状态识别与故障诊断方法。利用采集系统工作过程中的特征信号建立GNAR模型;用主成分分析策略生成模型特征量,对训练样本的特征量进行识别和分类,得到各种参考模式;将几何距离判别函数作为状态分类的原则,根据待判系统特征量与各类参考模式的Euclide距离进行状态识别和故障判别。对车床颤振试验数据及高速离心空气压缩机故障数据的分析表明,该方法快捷、高效,诊断成功率较好,具有良好的工程应用前景。展开更多
考虑数字图像滤波处理对融线性和非线性于一体的数学模型的需求,根据Weierstrass逼近理论推导建立了通用的自回归数学模型。该模型将线性自回归模型和非线性自回归模型融合于一个统一的数学表达式中,仿真实验表明其能够较好地拟合现有...考虑数字图像滤波处理对融线性和非线性于一体的数学模型的需求,根据Weierstrass逼近理论推导建立了通用的自回归数学模型。该模型将线性自回归模型和非线性自回归模型融合于一个统一的数学表达式中,仿真实验表明其能够较好地拟合现有的线性和非线性自回归模型。用二维向量取代标量参数,推导了通用自回归模型的二维数学表达式。通过对比分析,确定采用GM(Generalized M estimator)参数估计法进行参数估计。实验结果表明,该算法收敛较快,平均迭代次数不超过6次,线性模型平均计算耗时为150s,二次模型平均耗时为418s。提出的二维通用自回归模型滤波方法能较好地保留图像的细节信息,图像滤波效果好。展开更多
文摘提出一种基于非线性自回归时间序列模型(gereral expression for linear and nonlinear auto-regressive mod-el,简称GNAR模型)的机械系统状态识别与故障诊断方法。利用采集系统工作过程中的特征信号建立GNAR模型;用主成分分析策略生成模型特征量,对训练样本的特征量进行识别和分类,得到各种参考模式;将几何距离判别函数作为状态分类的原则,根据待判系统特征量与各类参考模式的Euclide距离进行状态识别和故障判别。对车床颤振试验数据及高速离心空气压缩机故障数据的分析表明,该方法快捷、高效,诊断成功率较好,具有良好的工程应用前景。
文摘考虑数字图像滤波处理对融线性和非线性于一体的数学模型的需求,根据Weierstrass逼近理论推导建立了通用的自回归数学模型。该模型将线性自回归模型和非线性自回归模型融合于一个统一的数学表达式中,仿真实验表明其能够较好地拟合现有的线性和非线性自回归模型。用二维向量取代标量参数,推导了通用自回归模型的二维数学表达式。通过对比分析,确定采用GM(Generalized M estimator)参数估计法进行参数估计。实验结果表明,该算法收敛较快,平均迭代次数不超过6次,线性模型平均计算耗时为150s,二次模型平均耗时为418s。提出的二维通用自回归模型滤波方法能较好地保留图像的细节信息,图像滤波效果好。