期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
机器人腕力传感器多维AR模型 被引量:6
1
作者 徐科军 杜涛 《仪器仪表学报》 EI CAS CSCD 北大核心 1995年第2期212-215,共4页
机器人腕力传感器多维AR模型徐科军,杜涛(合肥工业大学自动化所)0引言腕力传感器是智能机器人最重要的传感器之一,能同时检测三维空间的力和力矩信息,广泛应用于机器人精密装配、磨削、轮廓跟踪等作业中,在航空、航天和机械加... 机器人腕力传感器多维AR模型徐科军,杜涛(合肥工业大学自动化所)0引言腕力传感器是智能机器人最重要的传感器之一,能同时检测三维空间的力和力矩信息,广泛应用于机器人精密装配、磨削、轮廓跟踪等作业中,在航空、航天和机械加工等领域也有广阔的应用前景。本文所... 展开更多
关键词 机器人 腕力传感器 多维ar模型
在线阅读 下载PDF
基于多维AR模型的风速时程模拟 被引量:3
2
作者 李明 孙丽明 曹曙阳 《沈阳建筑大学学报(自然科学版)》 CAS 北大核心 2013年第3期398-404,共7页
目的生成空间多点的顺风向风速时程,比较不同阶AR模型的模拟效果,评价由BIC准则判定的AR模型最优阶数的合理性.方法根据工程中普遍采用的顺风向脉动风速谱,利用MATLAB软件编制空间多点风速时程的自回归线性模型程序,并嵌入BIC准则以判... 目的生成空间多点的顺风向风速时程,比较不同阶AR模型的模拟效果,评价由BIC准则判定的AR模型最优阶数的合理性.方法根据工程中普遍采用的顺风向脉动风速谱,利用MATLAB软件编制空间多点风速时程的自回归线性模型程序,并嵌入BIC准则以判定多维AR模型的最优阶数,使用不同阶模型对风场进行模拟并比较各阶模型的模拟效果.结果通过对西堠门大桥风场的模拟发现,BIC准则判定得到的AR模型最优阶数为2阶,同时2阶模型取得了不错的模拟效果;不同阶模型的模拟效果有较大差异,1阶模型离散性较大,6阶、8阶模型模拟精度稍好,4阶模型模拟效果最好.结论 BIC准则判定得到的AR模型最优阶数偏低,但根据其最优阶数进行的模拟也可取得不错的模拟效果;模型阶数对模拟效果有很大影响,阶数过低将导致结果离散性较大,阶数过高并不一定取得更高的模拟精度,选择合理的模型阶数既可取得最优的模拟效果又可节省计算时间. 展开更多
关键词 桥梁抗风 多维ar模型 风速时程 风功率谱 BIC准则
在线阅读 下载PDF
多维AR模型梯格滤波的一般形式及其在不同数据窗下的实现
3
作者 茅宁 《国防科技大学学报》 EI CAS CSCD 北大核心 1989年第1期50-58,共9页
本文以基本的矩阵代数为工具,对于多维AR模型推导了梯格滤波的一般公式。在此基础上,可方便地得到在不同数据窗下(如预加窗、协方差窗和滑动窗)的实现算法。
关键词 梯格滤波 数据窗 多维ar模型
在线阅读 下载PDF
多维和多重递推辅助变量辨识算法 被引量:4
4
作者 徐慧勤 邓自立 张明波 《科学技术与工程》 2010年第2期366-371,共6页
对带白色观测噪声的多维自回归(AR)模型,应用相关方法,分别提出了多维和多重递推辅助变量(RIV)算法,给出了未知AR参数的强一致估计;推广了一维RIV算法。提出了模型噪声和观测噪声方差的信息融合估值器,它们具有强一致性。一个仿真例子... 对带白色观测噪声的多维自回归(AR)模型,应用相关方法,分别提出了多维和多重递推辅助变量(RIV)算法,给出了未知AR参数的强一致估计;推广了一维RIV算法。提出了模型噪声和观测噪声方差的信息融合估值器,它们具有强一致性。一个仿真例子说明其有效性。 展开更多
关键词 多维ar模型 参数估计 递推RIV算法 信息融合噪声方差估值器 收敛性 强一致性
在线阅读 下载PDF
多维非平稳时间序列在机床主轴故障诊断中的应用 被引量:6
5
作者 周尧 洪荣晶 +1 位作者 李磊 李俊超 《机床与液压》 北大核心 2007年第6期228-230,共3页
采用ARIMA模型将数控机床主轴故障初期的非平稳时间序列转化成标准平稳时间序列,然后利用多维自回归(AR)模型进行数据处理与趋势预测,并分析了基于多维自回归序列参数估计的Yule-Walker算法以及FPE阶次判定准则。实测数据的计算结果表明... 采用ARIMA模型将数控机床主轴故障初期的非平稳时间序列转化成标准平稳时间序列,然后利用多维自回归(AR)模型进行数据处理与趋势预测,并分析了基于多维自回归序列参数估计的Yule-Walker算法以及FPE阶次判定准则。实测数据的计算结果表明:经稳态处理后的多维AR时序模型能够很好地拟合数控机床主轴故障模型,预测的精度符合要求。 展开更多
关键词 机床主轴 多维ar模型 Yule-Walker 非平稳
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部