广义多元时变序列分析方法

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。     

回归与时变自回归模型

提出回归-时变自回归（regression and time-varying autoregression,RTVAR）模型和广义回归-时变自回归（generized regression and time-varying autoregression,GRTVAR）模型,将误差项为平稳序列（均值和方差为常数）的回归-自回归模型推广到误差项为广义时变自回归序列（均值、方差及自回归系数都变化）的情况。文中给出RTVAR模型和GRTVAR模型参数的估计方法,并建立广义回归-时变自回归预测公式。该模型能充分发挥回归和时变自回归各自的特点,通过自回归对回归分析中的误差项进行补偿,同时采用回归分析解释变量的作用,大大提高时间序列的分析与预测精度,可广泛用于自动控制、故障诊断以及经济预测等领域。     

广义时变ARMA模型参数函数的确定方法

提出一种确定广义时变ARMA模型参数函数的方法?该方法首先求得时间序列的均值函数和方差函数,并将广义时变ARMA模型转化为时变ARMA模型,然后通过样本周期图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法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。     

基于时变多变量Prony法的时变振动系统模态参数辨识

在经典的Prony法理论的基础上,提出了可以同时处理多维非平稳信号的时变多变量Prony法,并将其应用于时变多自由度振动系统的模态参数辨识。对传统的递推最小二乘算法加以改进,解决了时变多变量参数模型中时变参数矩阵估计的难题。对时变平面两杆操作臂系统进行仿真和分析,得出了较满意的结果。证明该算法在时变结构模态参数辨识方面,具有有效、准确的计算能力和较强的过程跟踪能力。     

TVAR在非平稳工况转子故障诊断中的应用

研究了基于BP网络（ANN）的时变参数自回归模型（TVAR）及其在非平稳工况旋转机械故障诊断中的应用。首先提出了一种基于BP算法的TVAR参数辨识方法，然后利用TVAR方法对一非线性调频仿真信号进行时频分析，并与典型时频分析方法短时傅里叶变换（STFT）及Choi—Williams分布（CWD）的分析结果进行比较。结果表明，TVAR方法具有时频分辨率高、无交叉干扰项及计算速度快等优点。最后利用TVAR方法分析了转子启动过程正常及故障工况下转子实验台的非平稳振动信号。研究表明，TVAR不但能够有效地分析非平稳振动信号，而且具有较强的故障特征提取和抗噪声能力，是在时频域上进行故障诊断的有效方法。     

相关系数MA(q)序列分析方法

提出相关系数MA（q）序列分析方法,相关系数MA（q）序列是从非平稳随机序列中分离出的工程上常见且便于研究的一类时间序列,其均值和方差都可随时间变化,与传统的均值和方差为常数的相关函数MA（q）序列相比,它能够更好地描述工种中的时间序列,文中建立相关系数MA（q）序列的条件极大似然估计和精确极大似然估计,前者在样本较大时简单且便于工程应用,后者则在样本较小时仍具有较高的精度,它们通过时域的全程分析,能够充分利用样本信息确定相关系数MA（q）序列的均值函数,方差函数和相关系数函数,在此基础上可以进行高精度的频谱分析。     

基于时变图像序列的脉搏信息提取

为获取全面客观的脉诊信息,本文提出一种全新的脉搏信息检测方法-脉搏触觉图像化法。本系统模拟中医脉诊实际,采用软性薄膜加压探头,由单一CCD摄像头采集得到脉搏动态时变图像序列。在算法实现上,从图像整体灰度变化入手,应用图像相关性和图像灰度重心变化分别提取脉搏波形图,并利用图像重心法分析得出不同人在不同取脉压力下的部分脉搏特征。研究结果表明,基于时变图像序列的方法能够有效提取脉搏波的幅度、形态和脉搏频率、节律等信息,为脉搏信息的检测和表征提供了新的手段和方法。     

相关系数平稳序列滤波、预测和平滑

相关系数平稳序列是从非平稳序列中分离出来的一类工程实际中常见且便于研究的随机序列，文中首先给出相关系数AR(p)、MA(g)和ARMA(p，g)序列可直接测得情况下的预测公式，然后在测量噪声独立和相关两种情况下分别讨论相关系数平稳序列不可直接测得时的滤波、预测和平滑问题。文中方法能够对均值和方差都随时间变化的相关系数平稳序列或信号进行高精度的分析和处理，可广泛应用于通信、自动控制、结构响应分析和故障诊断等领域。     

异方差回归与自回归模型

建立时间序列异方差回归和预测模型,将现行的误差项方差相同、均值为零的回归分析推广到误差项方差变化且均值不为零的情况,解决了实际中常见的异方差以及由于自变量不能充分解释因变量而引起的误差项均值不为零的问题。针对误差项相关且均值、方差都变化的情况,文中还进一步建立异方差回归-自回归模型,将误差项为传统平稳序列(均值和方差为常数)的回归-自回归模型推广到误差项为相关系数平稳序列(均值和方差变化)的情况,给出回归-CCAR(P)模型和回归-CCARMA(p,q)模型的参数估计方法,提出异方差回归-自回归预测模型。该模型能充分发挥回归和自回归各自的优点,对时问序列进行高精度的分析和预测,可广泛用于自动控制、结构响应分析、故障诊断以及经济和商业预测等。     

相关系数平稳序列自适应算法

相关系数平稳序列的均值和方差都随时间变化，是一类工程中常见的随机序列，传统的平稳序列只是它的一个特例。文中在已建立的相关系数平稳序列分析方法的基础上．进一步提出相关系数平稳序列自适应算法。该方法属于一种快速算法，它通过将非线性方程组转化为线性方程组进行求解．实现了对相关系数平稳序列数据的实时处理，对其模型参数的实时修正，并且具有相当高的精度。     

时间序列均值和方差函数的确定方法

发现并提出一个重要定理：时间序列的方差与该序列的差分绝对值序列的趋势项具有相同的函数形式。在此基础上,建立一种确定该差分绝对值序列趋势项的方法,该方法首先采用样本周期图和多点平均对趋势项中的周期项和非周期项进行分离,分别求得其函数表达式,然后再综合得到整个趋势项函数,进而求得原时间序列的方差函数形式,其中待定参数可根据相关系数平稳序列理论求得。该方法也可用于确定时间序列的均值函数(趋势项)。     

相关系数平稳序列数据融合方法

相关系数平稳序列是从非平稳序列中分离出来的一类工程实际中常见且便于研究的随机序列,传统的平稳序列只是它的一个特例。文中建立了多传感器对同一相关系数平稳序列进行测量时的数据融合方法,其中包括相关系数平稳序列的集中式融合和分布式融合两种方法。大量模拟实验表明,通过多传感器的数据融合,相关系数平稳序列的滤波精度比任何单一传感器的滤波精度都有较大提高。     

汽轮机组非平稳运行过程振动数据的时间序列分析

时间序列的分析方法已经在许多工程领域得到广泛而成功的应用。文中通过对实际电厂运行汽轮机组非平稳过程中轴系振动数据的相关分析 ,对汽轮机组振动数据非平稳时间序列的MA(q)模型的识别和建模进行初步的探讨。为验证MA(q)模型对于汽轮机组非平稳过程中的振动数据分析的有效性 ,分别采用MA(2 )、AR(2 0 )和 3阶多项式回归分析的方法 ,利用现场实测数据进行对比预测实验。实验结果表明利用MA(2 )模型的预测效果明显优于采用AR(p)模型预测方法和传统的多项式回归预测方法的预测结果 ,从而验证采用MA(q)模型对于汽轮机组非平稳运行过程中振动信号分析研究的有效性。     

APPLYING REGRESSION AND STOCHASTIC TIME SERIES ANALYSIS TO THE PREDICTION OF PITTING FATIGUE LIFE FOR GEARS

ＡＰＰＬＹＩＮＧＲＥＧＲＥＳＳＩＯＮＡＮＤＳＴＯＣＨＡＳＴＩＣＴＩＭＥＳＥＲＩＥＳＡＮＡＬＹＳＩＳＴＯＴＨＥＰＲＥＤＩＣＴＩＯＮＯＦＰＩＴＴＩＮＧＦＡＴＩＧＵＥＬＩＦＥＦＯＲＧＥＡＲＳＡＰＰＬＹＩＮＧＲＥＧＲＥＳＳＩＯＮＡＮＤＳＴＯＣＨＡＳＴＩＣＴＩ...     

用双三角级数法分析椭圆气缸缸套的刚度

提出了用双三角级数法计算椭圆气缸缸套的刚度。这种方法具有输入数据少、边界条件易处理等优点。与有限元法对比计算表明,双三角级数法对于确定椭圆气缸缸套这类薄壁椭圆形特殊结构的刚度具有令人满意的精度．该法可用于计及剪力、弯矩及扭转作用的长薄壁柱壳结构的刚度分析。