气液两相流差压波动信号的时间序列分析

用时间序列方法分析气液两相流差压波动信号.通过实验获取两相流的差压波动信号,采用时间序列分析方法拟合为n阶自回归m阶滑动平均模型ARMA(n,m),依据自相关系数准则优选模型阶数n值,通过考察n值的变化分析气液两相流差压波动信号.实验结果表明,弹状流的模型阶数n的最佳值最大,塞状流的次之,环状流的最小.     

基于ARMA模型的气固流化床过程监控

基于ARMA模型，提出了一种新的气固流化床流态化过程监控方案。利用Honeywell公司生产的24PC系列压力／差压传感器获取气固流化床压力波动信号，拟合n阶自回归m阶滑动平均模型ARMA(n，m)。通过分析，确定自回归阶数n的阈值，实现流态化过程监控。监控在实验室的气固流化床实验装置上进行，初步实验表明，方案用于气固流化床流态化过程监控是有效的。     

基于虚拟仪器的结构振动模态参数识别

在虚拟仪器系统平台上,应用研制开发的时间序列建模分析程序,对MK9025型数控光学曲线磨床振动加速度信号进行实时采集、处理和分析,建立了该机床的磨削振动的自回归滑动平均(ARMA)模型,确定了机床结构的模态参数.建模过程中结合多种定阶准则,提出在基于A IC(赤池信息准则)准则的F分析检验确定模型阶数的方法基础上,严格的白度检验的循环定阶的方法,确保了模型的可靠性和准确性.     

高阶谱应用中模型定阶问题分析

讨论了高阶谱应用过程中涉及到的模型定阶问题.在采用AR参数法来估计双谱时,如果阶数太低,使频谱太简单、平坦,无法显示频谱峰谷结构的细节,得不到详细的二次相位耦合信息;阶数过高,则会产生虚假峰.文章常用的几种定阶方法进行了分析.     

一种改进的ARMA模型参数估计方法

针对自回归滑动平均(auto-regressive moving average,简称ARMA)模型参数谱估计容易出现谱峰漂移问题,提出一种基于组合目标函数和遗传算法的ARMA模型参数估计方法.通过最小均方误差准则获得ARMA模型参数初始估计,依据现代谱估计理论和连续函数极值存在的必要条件推导模型参数的频域约束方程,构造组合目标函数并采用遗传算法对模型参数初始估计值进行优化获得模型参数的最优解.将该方法用于车削状态下尾顶尖垂直方向振动加速度时间序列建模和谱估计,结果表明了方法的有效性.     

模型参数在齿轮故障诊断中的应用

针对齿轮故障运用模型参数进行诊断,一般实测信号数据量较大,利用常规的FPE(final prediction error)准则或AIC(Akaike information criterion)信息准则定阶方法很难确定合适的模型阶数。因此,提出利用基于模型估计的功率谱与经典功率谱之间相似程度来确定模型阶数,建立故障状态模型。并提取模型参数的统计平均作为识别状态的标准特征向量,应用于齿轮正常、疲劳磨损、点蚀、剥落、断齿和疲劳裂纹等六种状态的诊断,诊断正确率达到100%,结果表明该方法是一种有效的故障诊断方法。     

卡尔曼滤波及其在时间序列预测中的应用

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。最后,通过对光纤陀螺随机漂移建模进行了实证研究。     

基于GA的ε-SVRM在传感器非线性校正中的研究

针对ε-SVRM在建立传感器回归模型时参数难确定的问题,提出了改进遗传算法对模型参数进行优化选取的方法。该方法在遗传算法前期通过限制个体间距离及采用保优策略,保持最优参数的多样性;在进化后期通过自适应调整进化参数从而加快进化速度,以提高模型的预测准确度和建模效率,并且与以往采用的网格搜索法进行了比较。实验结果表明:采用改进遗传算法进行参数优化得到的模型预测结果均方误差(2.091 6×10-5)较采用网格搜索法所得到的模型预测结果均方误差(1.371 22×-10-3)下降了2个数量级;同时,经过改进的遗传算法优化后建立的传感器回归模型使得传感器输出电压的最大相对波动由建模前的22.2%下降到0.038%,而采用网格搜索法使其下降到2.93%,显著地改善了传感器的稳定性。     

基于分等级搜索的可持续进化算法研究

通过分析标准遗传算法在可持续性进化方面的缺陷，提出了HFC模型及其运算流程，井给出了详细的数学描述。HFC算法的分等级搜索方式改进了标准遗传算法的缺陷，是一种能实现可持续性进化的算法模型。HFC模型不仅能确保种群的多样性，而且保证了个体间的公平竞争。实例验证了HFC模型和标准遗传算法在相同问题上的不同效果。     

基于时间序列的GPS定位误差分析

在现代海战场的环境监测中,针对全球定位系统(GPS)的缺陷,采用时间序列分析的方法建立定位误差模型。首先将获得的数据进行平稳化处理,通过依据样本数据的自相关函数和偏相关函数的统计特性确定采用自回归滑动平均(ARMA)模型,然后根据参数的最小二乘估计和AIC准则建立ARMA(4,2)模型。通过对模型的残差分析,得出残差符合白噪声要求,与实际模型拟合程度较高,最后采用预报器对模型进一步预测,根据预报结果修正误差,明显提高了定位的精度。仿真结果表明了时间序列方法可以有效提高GPS的定位精度的有效性。     

基于遗传算法的组合预测在油液光谱分析中的应用

基于目前的一元线性回归预测模型、灰色预测模型和时间序列预测模型3种预测模型的优缺点,综合上述3种预测模型,提出了一种基于遗传算法的组合预测模型,并应用遗传算法确定了组合预测的权重系数。实例分析计算表明,该方法具有更好的预测效果。     

基于混合优化策略的自回归-滑动平均模型建模

自回归一滑动平均(ARMA)模型参数估计一直是ARMA模型建模问题的难点和重点,目前的模型参数估计方法都采用传统最小二乘法及其推广算法,预测精度低.采用基于混合优化策略的遗传模拟退火算法进行ARMA模型参数估计,克服了传统算法的缺点,并在此基础上利用遗传模拟退火算法可以确定ARMA阶次的特点,提出基于混合优化策略的ARMA模型建模方法.利用这种建模方法和传统建模方法对组合炮控系统精度进行建模比较,证明基于混合优化策略的ARMA模型建模方法收敛快,精度高.     

Two-dimensional ARMA model order determination

Determination of the order of a model is the key first step towards modeling any dynamic systems, particularly two-dimensional processes. In this paper, a new method for two-dimensional (2-D) Gaussian ARMA model order determination is proposed. In the proposed method, the AR and MA orders are first independently determined, then the procedure for model order determination of the 2-D ARMA model is outlined. The model is assumed to be causal, stable, linear, and spatial shift-invariant with p₁×p₂ quarter-plane (QP) support. Numerical simulations are presented to show the effectiveness of the proposed new approach.     

一种新调度类型及其在作业车间调度中的应用

研究改进遗传算法解决作业车间调度问题,问题染色体的编码采用基于工序的编码。针对传统的调度类型的局限性,提出全主动调度及其基于工序编码的产生机制。为了克服传统遗传算法求解调度问题易于早熟收敛的缺点,设计基于优先工序交叉(Precedence operation crossover,POX)和改进子代产生模式的遗传算法。用改进的遗传算法求解传统调度问题、交货期调度问题和提前/拖期(Earliness/Tardiness, E/T)调度问题,研究半主动、主动和全主动三种不同的调度解码机制对遗传算法提供解质量的影响。     

柔性测量臂的RPY建模与误差标定

为了提高1P3R型柔性测量臂的检测精度,提出了一种自适应误差标定方法来完成它的参数标定和误差补偿。首先,基于RPY理论建立柔性测量臂的运动学模型并应用微分法推导了误差模型。然后,基于马尔柯夫链收敛性理论进行实数编码;在遗传算法(GA)中引入自适应控制算子,提高了父代种群的多样性和最优个体变异数量;最后,对比分析了归一化GA、一般GA和最小二乘法等3种算法的误差标定精度及其收敛性,验证了所提出方法的有效性和可行性。结果显示:归一化GA仅用328代寻优计算,其精度达到5.2μm,收敛速度是一般GA的2.3倍且精度提高了3.1μm;最小二乘法经20次迭代计算后停止收敛,精度仅为18.4μm。实验结果表明:归一化GA具有收敛速度快、标定精度高和收敛稳定性好等明显优势,更易于实现该类测量机的高精度检测。     

时间序列模型中的随机共振现象

在滑动自回归(auto regressive and moving average,简称ARMA)时间序列模型的基础上,利用模态稳定性图来确定系统真实模态,描述了在求解过程中产生的随机共振现象。借助悬臂梁的有限元模型,利用精细时程积分方法计算得到了其加速度脉冲响应函数,建立了用于振动模态识别的ARMA模型。在利用模态稳定性图来确定系统真实模态的过程中发现,加入合适的噪声信号可以有效地改善识别结果,剔除虚假模态,即产生了随机共振现象。对悬臂梁进行时变化处理后,随机共振现象较之前不变系统更加显著,对最终识别结果产生了明显的优化作用。     

基于GPS的线性尺寸计量认证技术研究

基于对新一代GPS（dimensional geometrical product specification and verification）线性尺寸规范及其数字化理论基础的分析，揭示并阐明新一代GPS线性尺寸规范以产品功能特征为中心、以“规范设计”与“计量认证”统一为原则、以计量数学为基础的规范思路及内在规律性；基于计量学和操作技术，给出线性尺寸计量认证中、实现实体计量系统与虚拟计量技术互补的思路与方法，并进一步建立其线性尺寸数字化计量认证的关键操作——拟合的数学描述及线性规划模型，开发出线性尺寸数字化计量认证（软件工具）系统；并在此基础上，进一步给出基于GPS数字化技术的虚拟综合量规设计与应用方法，以满足产品特定的功能要求；并通过实例说明其工程价值及技术经济意义。     

基于结构自适应径向基神经网络的油样光谱数据建模

基于光谱分析数据的机械磨损状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测，与传统预测模型相比具有明显的优势，将神经网络预测方法运用于光谱分析，提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了在函数逼近、分类能力和学习速度均优于BP网络的径向基函数（RBF）神经网络模型，针对RBF网络的结构对于信号预测或模型辨识的精度具有影响很大的问题，提出了结构自适应RBF网络预测模型。利用遗传算法，对神经网络输入节点数、径向基函数分布系数及网络训练误差进行了优化，得到了最优的RBF网络预测模型。最后，对某航空发动机实际的光谱分析数据进行了预测和分析，并与ARMA模型进行了比较，结果充分表明了文中方法的有效性和优越性。     

Hybrid evolutionary algorithm with marriage of genetic algorithm and extremal optimization for production scheduling

This paper presents a hybrid evolutionary algorithm with marriage of genetic algorithm (GA) and extremal optimization (EO) for solving a class of production scheduling problems in manufacturing. The scheduling problem, which is derived from hot rolling production in steel industry, is characterized by two major requirements: (i) selecting a subset of orders from manufacturing orders to be processed; (ii) determining the optimal production sequence under multiple constraints, such as sequence-dependant transition costs, non-execution penalties, earliness/tardiness (E/T) penalties, etc. A combinatorial optimization model is proposed to formulate it mathematically. For its NP-hard complexity, an effective hybrid evolutionary algorithm is developed to solve the scheduling problem through combining the population-based search capacity of GA and the fine-grained local search efficacy of EO. The experimental results with production scale data demonstrate that the proposed hybrid evolutionary algorithm can provide superior performances in scheduling quality and computation efficiency.