非等间距相关系数平稳序列分析方法

工程实际中由于数据缺损或受测试条件所限,常常得到非等间距的时间序列。而传统的时序分析方法只适用于等间距采样的数据,目前工程上对这类问题通常采用插值等近似处理方法,这往往导致较大误差。本文提出非等间距相关系数平稳序列的概念,建立了非等间距相关系数平稳序列自回归模型,给出了非等间距相关系数AR(p)序列的精确极大似然估计和条件极大似然估计,能够高精度地确定非等间距序列的均值函数、方差函数和相关系数函数。      

多维相关系数平稳序列分析方法

相关系数平稳序列是从非平稳随机序列中分离出来的一类工程上常见且又便于研究的一类时间序列,其均值和方差都可随时间变化,因此,与传统平稳过程相比,它能更好地描述工程中的时间序列.在相关系数平稳过程的基础上,给出多维相关系数平稳过程的定义,建立了新的多维相关系数序列的理论和方法,给出了多维相关系数序列的极大似然估计.通过对时域的全程分析,能够充分利用样本信息对相关系数序列的均值函数,协方差矩阵函数和相关系数矩阵函数进行估计.在此基础上,对多维相关系数平稳序列进行高精度的频谱分析.     

相关系数平稳过程时频分析方法

相关系数平稳过程是从非平稳过程中分离出的一类工程上常见且便于研究的随机过程,其均值和方差都可随时间变化,传统的平稳随机过程是它的一个特例。本文提出了相关系数AR(p),MA(q)和ARMA(p,q)序列的概念,建立了相关系数平稳过程的时频分析方法。该方法首先在时域进行全程分析,得到相关系数平稳过程的均值函数、方差函数和相关系数函数,然后可以对其进行傅里叶变换、短时傅里叶变换或小波变换,给出相关系数平稳过程的谱密度,同时提出了随机项谱密度和趋势项谱密度的概念。文中还讨论了线性系统对相关系数平稳过程输入的响应。     

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

多样本时间序列的P-T曲线可靠性评估方法

提出一种用于评估固体火箭发动机内弹道压强—时间曲线(P-T曲线)的多样本时间序列方法.该方法可以综合利用单条样本曲线数据内的纵向信息和多条样本曲线数据间的横向信息, 提高固体火箭发动机内弹道性能曲线可靠性评估的精度.具体给出了等间距与非等间距情形下多样本P-T曲线模型参数的极大似然估计方法以及当给定压强满足可靠性要求的上、下限时可靠度的点估计与区间估计计算公式.文中最后给出了一个具体实例.      

通用EIFS分布确定方法改进研究

基于概率断裂力学的基本假设和原理,提出一种改进的通用EIFS分布确定方法。新方法用小裂纹扩展曲线计算多种参考裂纹尺寸水平下的TTCI值,并对其进行极大似然估计。然后利用约束最小二乘法确定不同应力下的裂纹扩展参数和通用EIFS分布上限。在此基础上,根据分布参数的通用性条件确定通用EIFS分布参数。与改进前的方法相比,新方法充分利用分布函数和裂纹扩展提供的信息,提高参数估计的合理性和可靠性。对某零件的原始疲劳质量分析证明改进方法是可行的,便于工程应用。     

一种基于极大似然估计的信号盲抽取算法

针对盲信号抽取问题,根据极大似然估计原理,给出一种基于极大似然估计的分步盲抽取算法。根据信号不同的延时特性确立抽取信号,完成第一步抽取。由于初步抽取信号存在噪声污染,根据极大似然估计,估计抽取信号的概率密度函数,确立优化代价函数,利用自然梯度方法进行优化,确立最终抽取向量迭代方式,完成对抽取信号优化处理。通过仿真证明算法具有良好的收敛性和抗噪性,在SNR17 d B时,抽取信号与源信号的相似度达到95%。     

非等间距相关系数AR(p)序列预测方法

针对非等间距时间序列预测中存在误差较大的问题,本文建立了非等间距相关系数AR(p)序列预测方法,详细讨论了非等间距相关系数AR(1)序列和AR(2)序列的预测公式和误差估计。大量计算表明,本文方法与通过插值将非等间距序列变换为等间距序列进行预测的传统方法相比,具有更高的预测精度。      

一种基于云模型优化的飞行器参数辨识算法

极大似然估计方法(ML)在飞行器参数辨识中得到了广泛应用,该方法需要预先推导灵敏度方程,进而求解灵敏度矩阵,在应用过程中比较繁杂,且容易陷入局部最优。提出一种基于云模型优化的飞行器参数辨识算法,根据极大似然估计原理,利用云模型的优化理论对极大似然函数进行优化,从而得到待辨识参数值。该算法不必推导灵敏度矩阵,对初值要求不高,应用便捷,且保留了云模型优化的特点,收敛速度较快、不易陷入局部最优。以Twin Otter飞机为例对算法进行验证。结果表明:算法易于实现、辨识结果精度较高、收敛速度较快,不易陷入局部最优。     

Markov随机跳变系统的传感器系统误差估计

 针对Markov随机跳变系统的系统误差估计问题,提出一种基于马尔可夫链蒙特卡罗(MCMC)和最大似然估计相结合的在线系统误差估计方法。利用最大似然估计给出系统误差等效后验概率分布函数,采用Metropolis-Hastings抽样方法从该概率分布函数中进行抽样;利用系统误差估计和状态估计互为因果的关系,采用期望极大化(EM)方法迭代估计出最优的系统误差;分别对时变和时不变系统误差场景进行仿真分析,结果表明,在考虑系统误差统计特性的同时,所提方法对解决目标运动模型难以建立情况下的系统误差估计问题具有可行性和有效性。     

广义时变ARMA序列预测方法

提出一种广义时变ARMA序列预测方法,给出时变序列和广义时变序列的预测公式及其均方误差。该方法能够对均值、方差、自回归系数和滑动平均系数都随时间变化的广义时变序列(或信号)进行分析和预测,可广泛应用于气象、通信、自动控制、结构响应分析和故障诊断等领域。大量计算表明,本文方法与传统方法相比,具有更高的预测精度。      

航空发动机转速信号的ARMA模型预测方法研究

提出了一种基于时间序列理论的分析和预测某型航空发动机转速信号的方法,建立了描述发动机额定转速变化规律的ARMA（3,1）模型,并对发动机转速进行预测。结果表明,所建模型能够以较高精度预测未来一段周期内发动机转速信号的发展趋势和数值大小,说明采用时序分析方法进行航空发动机转速信号预测有效可行。     

确定时间序列均值和方差函数的移动多点平均方法

为了提高有限样本或小样本情况下时间序列均值和方差函数的确定精度,以保证时序建模、分析和预测精度,提出一种确定序列趋势项的移动多点平均方法.该方法能够得到时间序列均值中非周期部分,结合样本周期图法得到的周期项,可综合得到其均值函数,并可进一步得到时序的标准差函数.Monte Carlo模拟对比结果表明:该方法不仅能够保证时间序列段内分析精度,而且能够有效提高时间序列的预报精度.      

基于遗传算法和ARMA模型的航空发电机寿命预测

针对航空发电机剩余使用寿命难以准确预测的问题,提出一种基于遗传算法(GA)优化的自回归与移动平均(ARMA)模型.运用航空发电机寿命专用试验平台,对某型航空发电机寿命进行长期试验,获取该航空发电机寿命相关数据.深入分析寿命试验数据,并对其建立ARMA模型.在此基础上,采用遗传算法对ARMA模型的阶数进行优化,分别采用A...     

随机声载荷时域信号仿真模型研究

利用航空发动机环行燃烧室噪声测试数据，采用时间序列自回归分析方法得到了燃烧室噪声及动压仿真模型ARMA（17，16），并用其对噪声时间历程数据进行了最佳预测。     

基于LS-SVM的模态参数识别方法

 最小二乘支持向量机回归用于系统的模态参数识别研究。针对经典的最小二乘支持向量回归缺少鲁棒性和稀疏性的缺陷,提出了一种兼具鲁棒性和稀疏性的最小二乘支持向量回归的算法,并保持了它原有的计算速度快的优点。最后,结合结构动力学方程的自回归滑动平均时间序列形式,给出了结构的模态参数提取方法和流程,给出了相应的数值算例以及进行了实验的检验证明。结果表明,本文的方法能够快速、准确地提取出系统的模态参数。     

对舰面温度数据的建模及其趋势和周期性分析

在系统建模理论的基础上,运用改进的动态数据建模方法,文章对某舰面温度数据进行建模并验证了模型的适用性,然后根据建立的模型进行了趋势和周期性分析。根据模型的适用性检验发现,对所研究的温度数据而言,ARMA(6,5)模型是最合适的,且其具有一定的线性趋势,但周期性不很明显。所有的建模和分析过程均在MATLAB上实现。