基于平滑先验分析和排列熵的滚动轴承故障诊断

由于机械系统的复杂性,滚动轴承振动信号的特征信息表现在不同尺度上,因此需要对振动信号进行多尺度分析。基于此,提出一种基于平滑先验分析(Smoothness priors approach,SPA)和排列熵(Permutation entropy,PE)的滚动轴承故障诊断方法。该方法首先采用平滑先验分析方法代替传统的时间序列分解方法对滚动轴承信号进行分解,得到轴承信号的趋势项和去趋势项;其次,分别计算趋势项和去趋势项的排列熵值;最后,将排列熵值作为特征向量,输入基于粒子群优化支持向量机建立的分类器。将该方法应用于滚动轴承实验数据并进行对比分析,结果表明,在训练样本数为每类50%的条件下,该方法的故障诊断正确率比PE和经验模态分解-PE分别高出12.5%和3.125%。     

基于小波分析和时间序列理论的陀螺仪随机漂移建模研究

综合分析了已有的对陀螺随机漂移建模的各种方法,在分析其各自的优缺点的基础上,考虑到运算的快速性及模型的准确性,这里提出了综合运用小波分析和时间序列理论对陀螺仪随机漂移进行建模的方法,并通过M atlab仿真实验,分析肯定了该方法的有效性和实用性。     

基于符号序列联合熵的航空发动机健康监控方法

引入信息熵理论,结合对多参数时间序列的符号化处理,探讨其在航空发动机健康监控中的应用.利用符号序列联合熵对航空发动机性能参数无序程度的描述,分析航空发动机健康状态及其演化方向.对两组实际飞行数据的实验分析表明,该方法描述的航空发动机的健康发展趋势与实际情况相吻合,能够较好反映航空发动机的健康状态,可以为航空发动机的健康...     

基于时间序列的机票价格预测模型

随着航空业的发展以及人们生活水平的提高,越来越多的人选择飞机作为自己的出行方式,但航空公司根据收益管理系统进行实时价格调整,票价变化明显.票价浮动大这一特点使价格预测极具实际应用价值.提出运用时间序列算法进行建模,设计并实现了基于时间序列的机票预测算法,通过比较分析预测结果与实际旅游网站发布价格,表明该模型可为旅客提供较可靠的购票决策支持,并为旅客节省开支.     

基于时间序列的空中交通流量灰预测模型算法

利用灰色预测理论,给出了一种空域内空中交通流量进行预测分析的算法——空中交通流量灰预测法,并利用Matlab软件作为计算工具,对管制区域、机场等空域流量的预测进行了仿真,计算结果以图表和图形的形式给出直观说明,验证了该算法的有效性。     

基于时间序列分析的装备可用度预测方法

阐述了装备可用度预测的重要性,并以此为需求牵引,构建了具有非线性、非平稳的装备可用度时间序列。基于奇异值分解滤波算法,将原始序列分解为趋势成分和随机成分,分别应用粒子群训练的径向基神经网络模型和函数系数自回归模型进行组合预测,充分体现了2类模型的各自的优势。实例分析,验证了模型和算法的有效性。实验与应用结果表明,该组合方法的预测性能和效果比单一使用RBF和FAR进行预测更好。     

基于时间序列数据挖掘的航天器故障诊断方法

时间序列方法是数据挖掘技术的一个重要分支,在航天器故障诊断领域具有非常广阔的应用前景。本文在系统研究时间序列数据挖掘技术现状基础上,重点介绍了一种基于时间序列数据挖掘的航天器故障诊断方法,包括确定诊断对象、航天器遥测数据选取、航天器遥测数据再处理、航天器遥测数据时间序列特征表示、航天器故障诊断的时间序列数据挖掘方法执行、挖掘结果的解释与评估、软件系统开发共7个步骤。最后通过卫星实例描述了该方法在航天器故障诊断中的具体应用。     

AR模型在时间序列误差分析中的应用

为检测某火控系统的性能,采用统计量分析和AR模型预测相结合来对火控系统实时解算的数据进行分析的一种方法。根据分析结果可以看出,距离误差和航向误差是两种不同类型的误差,距离误差主要是由随机的量测误差构成的,而航向误差主要是系统误差。     

基于SOA的光纤陀螺相对强度噪声抑制研究

为进一步提高光纤陀螺精度,抑制掺铒光纤光源的相对强度噪声(RIN),在利用半导体光放大器(SOA)对光源相对强度噪声进行抑制的基础上,实现了SOA光源一体化方案。经过原理分析并设计实验方案,对比实验前后的测试数据可以看出:处于增益饱和状态的半导体光放大器对光源相对强度噪声起到了抑制作用,抑制后陀螺的零偏稳定性由之前的千分之一提高到万分之五左右,精度提高1倍,随机游走系数减小到56%;另一方面,一体化方案的实现,使利用SOA抑制强度噪声的方案更易实现,操作更简单,有利于该项技术的进一步工程应用。     

基于排列组合熵的铝合金腐蚀灰度特征提取方法

针对铝合金试件腐蚀图像包含的大量腐蚀信息,提出了利用排列组合熵提取其灰度图特征参数的方法。该方法具有计算快速简鹇,抗噪能力较强,只需较短的序列长度就能估计出较稳定的系统特征值的特点。计算结果表明,基于排列组合熵的特征提取方法可以有效地提取各时间段内试件的灰度图在2个方向上的特征参数,熵值随着腐蚀时间的增加而规律性地增加,并可以作为评价腐蚀程度的一个重要特征参数。计算结果也验证了排列组合熵具有较好的抗噪性能。     

基于导航姿态解算的光纤陀螺平台低频角振动测试方法研究CSCD

为准确评价光纤陀螺平台的低频角振动特性,提出了一种基于导航姿态解算的光纤陀螺平台低频角振动测试方法。首先,通过角振动台精确模拟载体的低频角振动状态,并通过光纤陀螺平台飞行导航过程中的断调平差分信号,实现平台框架角度信号与角振动台激励角度信号的数据同步;然后,利用平台式惯导系统的导航姿态解算方法,实时解算低频角振动过程中光纤陀螺平台的台体姿态,并通过坐标系转换得到平台基座系相对于地理系的实时姿态;最后,通过对光纤陀螺平台稳定回路的幅相特性分析,得到低频角振动激励下稳定回路的幅值和相位特性,实现对光纤陀螺平台角动态特性的准确评估。     

混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

光纤陀螺标度因数及零偏温度误差补偿研究

首先分析了光纤陀螺产生温度误差的机理,在此基础上分别指出标度因数与零偏的误差补偿模型,提出了一种利用一组数据同时补偿标度因数及零偏的方法,直接表示输入与标度因数零偏补偿后的关系。最后通过实验验证了该方法不仅能够有效地补偿陀螺的温度误差,且其补偿精度优于原单独补偿的方法,同时该方法仅需一次温度实验,节省实验成本,具有较大的现实意义。     

蒸汽用量的时序分析

本文利用多元时序分析方法，建立蒸汽用量的二维时序预测模型ARV（1，2），并得到满意的拟合结果。