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EMD和AR模型的汽车变速器齿轮故障诊断方法

提出了基于EMD和AR模型的汽车变速器齿轮故障诊断方法。该方法采用EMD将齿轮振动信号 分解成若干个平稳的IMF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,进而识别齿轮的工作状态。实验分析表明,该方法能有效地应用于变速器齿轮 的故障诊断。

基于AR模型的功率谱估计

为了更好地模拟计算功率谱,采用了现代功率谱估计中常用的基于AR模型的自相关法和Burg法,通过仿真给出了估计出的功率谱曲线,结果表明,Burg算法在谱分辨率方面有着良好的性能。选择合适的采样点数来确定模型阶数,给出阶数选择的原则。

AR模型在人口增长预测中的应用

采用AIC信息准则来确定AR模型的阶。模型参数估计使用了方法简单、参数估计无偏、精度高的最小二乘法。理论分析和仿真结果均表明,AR模型能够较好地解决人口增长预测这一非线性问题,并取得一定的预测精度。

基于EMD与关联维数的故障诊断AR模型

提出了一种基于EMD和关联维数的转子系统故障诊断方法。该方法用EMD将转子系统振动信号分解成若干个基本模式分量IMF,对包含主要故障信息的IMF分量建立AR模型,AR模型自回归参数的关联维数作为特征量神经网络识别转子系统的工作状态和故障类型。对实验数据分析的结果表明,该方法能有效地应用于转子系统的故障诊断。

EMD方法基于AR模型预测的数据延拓与应用

把基于时间序列AR模型预测的数据延拓技术引入经验模态分解(EMD)时频分析领域,论述了基于AR模型的数据延拓技术原理,即先对原始数据进行AR建模,然后利用模型对该数据进行延拓。通过对非线性仿真信号基于AR模型的延拓研究表明,该延拓技术是有效的。把该延拓技术应用于转子横向裂纹的时频分析,能把横向裂纹转子的扭振所形成的相位调制现象检测出来,获得了良好的效果。

基于AR模型的Yule-Walker法和Burg法功率谱估计性能分析

谱估计技术作为一种重要的信号分析手段广泛应用于各种技术领域,具有十分重要的工程应用价值。论文在介绍Yule-Walker法和Burg法的基础上,基于Matlab仿真平台,以Yule-Walker法为例,从采样点数和模型阶数对功率谱估计的影响方面进行仿真分析,之后又对Yule-Walker法和Burg法进行仿真比较,分析了两种算法的优缺点。

基于EMD-AR模型的齿轮箱故障诊断

对基于EMD-AR模型的齿轮箱故障诊断进行了研究。对齿轮箱故障振动信号采用EMD方法进行分解,得到有限个平稳的IMF(本征模式函数),对其建立AR模型,将建立的每个AR模型残差的方差和自回归参数建立Mahalanobis距离判别函数,最后进行模式特征综合,确定齿轮箱的工作状态以及故障类型。研究表明,采用EMD-AR模型进行齿轮箱故障诊断是可行有效的,提高了齿轮箱故障检测的准确性。

经验模态分解和AR模型在飞行器健康诊断中的应用

为了有效地诊断飞行器的健康状况,提出了一种基于EMD-AR模型和PNN的飞行器健康诊断新方法。该方法采用EMD(Empirical Mode Decomposition,EMD)将飞行器关键部件的声发射信号进行分解,得到多个内禀模态分量(Intrinsic Mode Function,IMF),对前两个IMF分量建立AR模型,采用U-C算法对AR模型进行参数估计,以模型主要的自回归参数和残差的方差构建特征向量;运用概率神经网络(Probabilistic Neural Network,PNN)对飞行器的健康状态进行诊断。通过对某型号真实飞行器关键结构部件的健康监测实验表明,该方法可以有效地诊断出飞行器关键结构部件的疲劳裂纹,从而证明了该方法的有效性。

顾及设计矩阵误差的AR模型新解法

在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观测方程进行等价变换巧妙实现了在最小二乘框架下求解自回归问题。利用模拟数据及实测数据分别对新算法进行了内符合精度检验,并利用实测数据对新算法进行外符合精度检验,结果表明新算法得到的结果显著优于奇异值分解(singular value decomposition,SVD)解法及传统最小二乘解法,验证了算法的精度和有效性。

试验用Hartley豚鼠的饲养及滴鼻剂变应性鼻炎建模

为探索试验用Hartley豚鼠的饲养及建立滴鼻剂变应性鼻炎（AR）模型的有效方法，本试验采用单因素试验，考察了试验动物种类、饲养方式、卵清蛋白（OVA）致敏剂量、时间对滴鼻剂AR建模的影响，观察空白组与模型组Hartley豚鼠过敏反应症状和鼻黏膜病理切片。结果显示，就滴鼻剂的AR试验而言，Hartley豚鼠是较好的试验动物；饲料为普通小鼠饲料＋莴苣叶或油麦菜；OVA为致敏剂，基础致敏浓度为0．1～0．3mg／mLOVA，隔天腹腔注射1次，共7次；激发致敏浓度为2％，两侧鼻腔各10-30μL，每天1次，6～9d后与空白组相比，模型组Hartley豚鼠有明显的过敏反应症状和鼻黏膜病变。该建模方法简单经济，重现性好，可作为滴鼻剂AR建模的最佳方法。

补偿最小二乘估计精化AR(p)的变形建模与预测

以AR(p)模型为例,考虑模型误差对变形预测的影响,将模型误差看做非参数信号,采用半参数补偿最小二乘方法来处理,即利用半参数中的非参数分量表达模型误差;为更好地控制残差部分VTPV和光滑部分STRS之间的平衡,提出一种求解平滑参数α的Xu函数;最后,通过实例将精化后的AR(p)模型与灰色模型、灰神经网络模型、常规AR模型的结果进行了比较。结果表明,补偿最小二乘方法能有效地处理变形建模中存在的模型误差,具有较好的预测效果。

基于AR模型的人体脉象信号模糊聚类研究

根据一种新的模糊聚类方法 －Ｆ－ＰＦＳＲ（Ｆｕｚｚｙ Ｐｓｅｕｄｏ Ｆ－Ｓｔａｔｉｓｔｉｃ Ｒａｉｏ）聚类法，对人体 脉搏声信号（脉象信号）进行了聚类识别研究．首先对脉搏声信号作８阶ＡＲ模型拟合，模型系数 构成信号的特征集，其次采用Ｋ－Ｌ变换对特征集进行了压缩，最后对临床实测脉象信号进行了聚类 分析．实验结果表明，本文的聚类方法是可行和有效的．

基于AR模型和SPRT检验法的过程状态监测

本文利用自适应卡尔曼滤波器原理建立机械系统过程监测模型—AR模型,并根据AR模型系数的变化可以表征系统过程状态这一特点,通过序贯概率比(SPRT)这一假设检验法,对机械系统的运行状况进行判别。实验表明,该方法行之有效,最后,本文给出了实验结果。

AR估计滤波误差能量最小二乘递推法

利用滤波误差能量给出了一个新的最小二乘快速递推算法。数值试验表明，该算法计算稳定性好，对噪声不敏感，能快速递推到高阶模型，并将该算法同Ｍａｒｐｌｅ算法等作了比较。

基于AR(1)模型的卡尔曼滤波法在危岩体变形分析中的应用

将AR(1 )模型的模型参数作为状态向量 ,用卡尔曼滤波法进行危岩体变形分析。实例计算表明 ,这种方法能够提高AR(1 )

基于AR模型的云南省低碳目标管理研究

发展低碳经济的宗旨是降低单位GDP总量的能源,尤其是化石能源消费量,使得经济的碳强度指标遵循从"量变到质量"逐步下降的自然规律。目标管理的运用需要目标的制订、执行、评价以及预测四个环节的协调。笔者运用AR模型来预测下一年度的低碳目标,通过AR模型确定的2011年的碳强度指标和逐年平均下降法确定的碳强度指标非常接近,说明逐年平均下降法确定的年度指标是可行的、具有挑战性的。通过对比"十一.五"期间实际执行路径和理想执行路径的能源消费量和二氧化碳排放量,表明未按目标管理进行的实际执行路径比理想执行路径多排放了约1244万吨二氧化碳,进一步证明了低碳经济目标管理的重要性。

自回归法AR模型在篮球进攻技术指标统计中的应用研究

对NBA2012-2013赛季热火队季后赛的篮球进攻技术指标进行统计和分析,并建立预测模型。研究结果:建立了篮球二分出手次数、二分命中率、三分出手次数、三分命中率、罚球次数、罚球命中率、助攻、进攻篮板和失误等9项篮球进攻技术指标的自回归AR模型(1,1,1);根据自回归AR模型(1,1,1),建立了9个自回归AR模型方程;运用自回归法AR模型能够对篮球进攻技术指标统计分析做出短期预测,为球队战术制定、人员安排等提供科学依据。

数控机床刀具磨损状态的AR建模与研究

研究数控机床刀具磨损状态振动信号特征,建立刀具磨损过程中的振动方程,并采用时域分析的方法对其振动性能进行研究,通过建立的自回归AR(n)模型反应磨损量与谱峰幅值之间的关系。得到如下结论:随着磨损量和工作时间的增加,切削系统的能量由高频向低频转移。最后给出两种诊断方案。

中国通货膨胀波动的测算——基于TVP-AR-SV模型

准确测度通胀波动规律是研究通货膨胀及货币政策的重要基础。为克服现有随机波动(SV)模型隐含假设中存在的天然缺陷,平衡模型估计的准确性与操作的简便性,通过对比SV、UC-SV、AR-SV、TVP-AR-SV四种主要模型,认为其中时变系数自回归随机波动(TVP-AR-SV)模型最适用于中国通胀波动的测度。对中国的季度通胀数据建立该模型,利用马尔科夫链蒙特卡洛模拟(MCMC)方法对模型参数进行贝叶斯估计,得到通胀的波动序列,同时对通货膨胀进行预测,并与其他形式的SV模型的估计结果进行对比。结果表明,TVP-AR-SV模型估计的随机波动能够全面地解释中国通胀率的整体波动规律,参数估计精度及模型对未来通胀的预测能力均优于其他备选模型。