Time-series analysis of GPS measurements for long-span bridge movements using wavelet and model prediction techniques

This study aims at assessing the safety behavior of the Incheon long-span bridge using high rate (10?Hz) geodetic monitoring global positioning system (GPS). The time series of wavelet spectrum analysis is utilized to assess the dynamic behavior of the bridge. The coefficients and model errors of the time series autoregressive-moving average (ARMA) model are used to evaluate the movement performances of the bridge. The results show that: (i) the accuracy of GPS measurements to extract the dynamic behavior of the bridge is 97.27% when compared with the design results. (ii) the behavior of the bridge is within the safety limits of the bridge design with minimum observed changes for the historical GPS measurements in time and frequency domains, the mean deflection of bridge deck is 8.26?mm and frequency changes of bridge is 0.004?Hz compared with the design results. (iii) the time series analysis of the wavelet spectrum and ARMA model coefficients can be used to detect the significant frequency changes and study the rigidity of the bridge performance, respectively; and the both methods are found to be suitable techniques to estimate the performance changes of the GPS measurements in the time and frequency domains during the monitoring time period.     

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。     

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。     

基于GA和ARMA模型的制导弹药技术状态预测

针对定期检测判断制导弹药技术状态影响弹药寿命和实时性较差的问题,提出了基于遗传算法(GA)优化的自回归与移动平均(ARMA)模型制导弹药技术状态预测方法。在获取到制导弹药状态特征量历史检测数据的基础上,采用遗传算法对ARMA模型的阶数进行优化,通过实例将遗传算法优化后的ARMA模型与经典ARMA模型的预测结果进行比较分析,结果表明,经过优化后的ARMA模型具有更好的预测效果。该方法提高了制导弹药技术状态确定的实时性,对降低、消除制导弹药故障危害具有实际意义。     

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。     

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。     

基于ARMA模型的引信系统动态精度测定方法

引信系统静态试验满足精度指标后,要在导弹和目标处于相对运动的状态下,进行动态精度测定以检查引信系统输出值相对标准值的误差,决定是否需要校正精度。对引信系统误差序列建立ARMA模型后,使用现场数据辨识模型参数,并使用残差白性分析和零极点分析对模型进行了检验,基于该模型所预测的误差数据,对引信系统的动态精度进行简易测定,其结果与靶场试验测定结果一致,表明该方法可作为一种适用于现场的动态精度测定方法。     

基于ARMA模型的空域容量评估方法研究

空域容量是空域管制服务保障能力的重要指标之一,其准确预测和评估对安排航班时刻、实施管制服务具有参考价值。根据管制员工作负荷的自相关增长规律,首次提出了基于自回归移动平均( Autoregressive moving average,ARMA)模型的空域容量评估方法。以国内西部某机场为例进行空域容量评估研究,通过仿真验证,ARMA模型很好地评估了空域容量,证明了方法的有效性。     

基于Kalman光纤陀螺的随机信号处理

分析了光纤陀螺随机漂移的特性,建立了随机漂移的ARIMA模型;针对IFOG输出信号的特点建立了随机漂移的观测方程并用卡尔曼滤波把随机漂移估计出来,用以对IFOG的输出进行补偿.根据时间序列预测的特点和要求,分析了传统时间序列预测方法的不足,提出了将卡尔曼滤波应用于时间序列预测.推导了基于卡尔曼滤波的ARMA模型参数实时更新算法,并采用功率谱密度分析方法确定预测模型的形式与阶数;通过对光纤陀螺随机漂移建模进行了实证研究,对光纤陀螺仪信号处理有着重要的参考.     

航空发动机性能参数预测方法

航空发动机性能参数预测对于发动机的视情维修具有重要的意义.为了提高预测精度,在分析发动机性能参数数据特点的基础上,提出了一种新的应用于此领域的组合预测模型.首先利用小波变换将原始数据分解为不同尺度上的几组子序列,根据各子序列的特点分别选用自回归滑动平均(ARMA,Autoregressive Moving Average)模型或求和自回归滑动平均(ARIMA,Autoregressive Integrated Moving Average)模型进行预测,然后将所有预测结果合成,得到最终预测结果.通过仿真实验,验证了该组合模型提高短期和中长期预测精度的有效性,并分析了小波分解层数对于预测精度的影响.