题名 基于AR和ARMA模型的多变量非高斯风压模拟
被引量：3
1
作者
李锦华 李春祥 邓莹 蒋磊
机构
华东交通大学土木建筑学院 上海大学土木工程系
出处
《振动与冲击》
EI
CSCD
北大核心
2017年第24期103-107,123,共6页
基金
国家自然科学基金(51378304) 江西省自然科学基金(20171BAB206051)
文摘
基于多变量非高斯随机过程间的相关性,将发展的单变量非高斯过程自回归和自回归滑动平均(AR和ARMA)模型模拟算法扩展至多变量非高斯过程的数值模拟。通过AR和ARMA模型系数考虑多变量非高斯过程间的相关性,建立多变量非高斯过程AR和ARMA模型的模拟算法。多变量非高斯风压的数值模拟表明:AR和ARMA模型算法能有效地模拟低斜度、中斜度和高斜度的多变量非高斯随机过程。
关键词
多变量非高斯随机过程 非高斯脉动风压 自回归模型 自回归滑动平均模型
Keywords
multivariate non-Gaussian random processesnon-Gaussian fluctuating wind pressure autoregress ive(ar ) model autoregress ive moving average(ar MA) model
分类号
TU311
[建筑科学—结构工程]
题名 广义多元时变序列分析方法
2
作者
傅惠民 王治华
机构
北京航空航天大学小样本技术研究中心
出处
《机械强度》
EI
CAS
CSCD
北大核心
2006年第5期680-683,共4页
基金
国家自然科学基金重点项目(70531010)资助~~
文摘
提出一种广义多元时变AR(autoregression)模型,并建立广义多元时变AR模型参数函数估计方法。该方法首先求得时间序列的均值函数,将广义多元时变AR模型转换为零均值多元时变AR模型,并通过谱分析和多点平均方法得到时变参数的函数形式,再分别采用最小二乘和极大似然法确定其中的待定参数。从而将一个复杂的时变问题转变为相对简单的时不变问题进行处理。该方法可广泛应用于气象、通信、自动控制、结构响应分析、故障诊断、经济分析等领域。
关键词
多元序列 时变序列 非平稳序列 多元时变ar (autoregression )模型 分析 预测
Keywords
multivariate time series Thne-var ying series Non-stationar y series multivariate time-varying ar（ autoregression） model Analysis Prediction
分类号
TP391
[自动化与计算机技术—计算机应用技术]
O241.7
[理学—计算数学]
题名 滚动轴承性能退化的时序多元状态估计方法
被引量：9
3
作者
张龙 吴荣真 周建民 易剑昱 徐天鹏 王良 邹孟
机构
华东交通大学机电与车辆工程学院 中国铁路南昌局集团有限公司南昌车辆段
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2021年第6期1096-1104,1235,1236,共11页
基金
国家自然科学基金资助项目(51665013,51865130) 江西省自然科学基金资助项目(20161BAB216134,20171BAB206028,20152ACB21020) 江西省研究生创新资金资助项目(YC2019-S243)。
文摘
滚动轴承性能退化评估是预诊断的提前和基础,对在役滚动轴承实施在线状态监测和性能退化评估具有重要意义。针对概率相似度量评估方法存在模型复杂、容易过早饱和等现象,提出一种基于自回归时序(autoregressive model,简称AR)模型和多元状态估计(multivariate state estimation technique,简称MSET)的滚动轴承性能在线评估方法,其中AR模型用于提取轴承振动信号的状态特征,MSET模型用于重构AR模型系数。首先,提取正常运行状态下振动信号的AR模型系数构建MSET模型的历史记忆矩阵;其次,将待测信号的AR系数作为观测向量输入MSET模型中得到重构后的估计向量;最后,由原始AR系数和重构AR系数分别构造自回归模型,并各自完成对待测信号的时序建模,将两自回归模型所得残差序列的均方根值之差作为性能劣化程度指标。离散实验数据和全寿命疲劳实验数据分析结果表明,该方法能够有效检测早期故障,且具有与轴承故障发展趋势一致性更好等优点。
关键词
ar 模型多元状态估计 滚动轴承 性能退化评估
Keywords
autoregress ive model (ar )multivariate state estimation technique(MSET)rolling bear ing performance degradation assessment
分类号
TH133
[机械工程—机械制造及自动化]
