基于组合预测模型的某型导弹电子设备故障预测方法研究

本文论述了改进的灰色DGM(1,1)模型与时间序列AR模型的组合模型的预测问题。针对传统GM(1,1)的对纯指数序列预测的局限性,本文引出了改进的离散灰色GM(1,1)模型。最后应用具体实例对组合预测模型的预测精度进行验证分析。     

灰色马尔可夫预测模型及在我国用水总量预测中的应用

通过将灰色预测GM(1,1)模型和马尔可夫预测方法相结合,建立了一种对GM(1,1)模型修正的Markov-Grey模型,并利用原始数据对2007年至2010年中国用水总量进行预测.从预测结果分析可以看出,经过Markov-Grey模型对GM(1,1)模型修正后,预测精度有明显提高.     

灰色马尔可夫预测模型及在我国用水总量预测中的应用

通过将灰色预测GM(1,1)模型和马尔可夫预测方法相结合,建立了一种对GM(1,1)模型修正的Markov-Grey模型,并利用原始数据对2007年至2010年中国用水总量进行预测.从预测结果分析可以看出,经过Markov-Grey模型对GM(1,1)模型修正后,预测精度有明显提高.     

改进GM-Markov模型在道路交通事故预测中的应用研究

针对随机波动性数据对灰色GM(1.1)模型预测精度的影响问题,提出了基于BX数据处理方法与马尔可夫链理论的灰色预测模型(BXGrey-Markov模型)。首先,引入BX数据生成法对原始数据进行处理,以弱化原始数据之间的随机性。在灰色预测方法的基础上,引入马尔可夫链预测理论,建立了灰色马尔可夫预测模型,它是将灰色预测模型与马尔可夫预测方法优化组合,灰色预测模型用于预测随机序列数据的总体发展趋势,而用马尔可夫链模型预测各数据在总体趋势下的随机波动性变化,得到随机时间数列趋势预测模型的解。通过上海市交通事故预测实际数据进行了验证表明:灰色马尔可夫预测模型预测精度高于GM(1,1)模型的预测精度。GM(1,1)模型的平均预测精度为42.29%,BX GM(1,1)-Markov模型的平均预测精度为86.9%。     

滚轮推送机构精度寿命的灰色预测

滚轮推送机构具有结构简单、体积小、推送物料准确等优点,可在运动空间受到限制、机械手不易操作的地方应用。将滚轮推送机构位置精度的过去及现在已知的或非确知的信息,视作一个灰色系统,通过定期检测滚轮链条首部位置精度的误差值,构成一个原始等间隔数据序列;按灰色系统建模法予以建模,通过累加生成得到单调递增的时间数据序列,据此建立灰色系统GM(1,1)模型白化形式的微分方程。再通过残差模型的修正,提高了计算精度。修正后的GM(1,1)模型可用来预测滚轮推送机构的位置精度寿命。     

灰色模型在不确定性疲劳寿命预测中的研究

考虑影响疲劳寿命因素的不确定性,应用灰色理论进行疲劳寿命预测。提出了基于线性GM(1,1)模型和非线性灰色Verhulst模型预测构件疲劳寿命的新方法。利用试验数据进行分析和计算,结果表明:基于传统Miner方法的疲劳寿命预测误差为61.4%;基于线性GM(1,1)模型的预测误差为24.1%;基于非线性灰色Verhulst模型的预测误差降低到17.5%。基于灰色模型预测的结果均偏向安全,说明灰色模型在不确定性疲劳寿命预测中具有较好的预测精度和潜在的工程实用价值。     

基于灰色神经网络的传感器分段标定

针对大量程高精度传感器不能一次完成标定实验的情况,提出一种将优化灰色GM(1,1)模型与BP神经网络相结合来预测分段标定过程中特征值缺失的方法,从而实现传感器的分段标定。首先,根据实验数据建立传统灰色GM(1,1)模型,对待标定传感器和标准传感器的测量值进行缺失数据的预测;然后,为弱化传统灰色GM(1,1)模型序列变化的幅度,提高模型的预测精度,利用中心逼近的思想对传统的GM（1,1）模型进行优化;最后,利用BP神经网络对优化的灰色GM(1,1)残差序列进行修正,以较高的精度实现对分段标定过程中缺失特征值的预测。结果表明,待标定传感器和标准传感器组合预测模型的平均残差分别为0.023%和0.401%,证明了组合预测模型的有效性。所提出方法为解决大量程高精度传感器分段标定时静态特性曲线的拟合提供了一种新思路。     

残差修正灰色模型及其在珩磨尺寸预报中的应用

针对一阶一变量灰色模型(Grey model with first order and one variable,GM(1,1))预测精度低、稳健性差的问题,提出了一种改进的GM(1,1)模型。通过背景值优化和参数累积估计,重新推导了GM(1,1)模型的预测公式,并引入残差修正系数和加权马尔科夫链对预测值进行两次残差修正,以提高预测精度。对柱塞套内圆珩磨尺寸的预测结果表明,该模型在原始数据波动条件下的预测精度最高,能弥补其它GM(1,1)模型的不足并实现对珩磨尺寸的预报。     

液压挖掘机臂杆结构疲劳寿命预测方法研究

液压挖掘机臂杆结构承受复杂的冲击载荷,其疲劳寿命存在许多不确定性因素。首先采用Miner准则,依据实验载荷谱和有限元方法对液压挖掘机工作装置寿命进行了预测。其次研究了结构疲劳寿命变化过程和灰色理论预测模型内在规律的一致性,建立了液压挖掘机工作装置疲劳寿命的灰色预测GM模型,并分别运用GM模型的两种形式--GM(1,1)线性模型及GM(1,1)幂模型对液压挖掘机工作装置进行疲劳寿命预测。分析比较Miner准则、GM(1,1)线性模型及GM(1,1)幂模型三种预测方法。结果表明,三种预测方法结果基本一致,灰色系统模型同Miner准则模型相比误差明显减小且非线性幂模型具有更高的预测精度。基于灰色理论的GM(1,1)幂模型考虑了非线性因素,更适合于液压挖掘机工作装置结构疲劳寿命预测。     

GM-Markov综合模型在汽车货运量预测中的应用

针对传统GM预测模型的局限性,介绍了改进的GM-Markov综合预测模型的原理,应用范围及优缺点。运用GM-Markov综合预测模型对上海市汽车货运量进行了预测分析,结果表明:灰色—马尔可夫预测模型即能预测汽车货运量参数随机时间序列数据的总体趋势,又能适应波动性较大的随机序列变化,灰色—马尔可夫预测模型预测精度高于GM(1,1)模型的预测精度。该方法可以作为汽车货运量预测的理想工具。最后,就GM-Markov综合预测模型需进一步研究的问题进行了讨论,给出建议。     

基于改进灰色神经网络的液压泵寿命预测

改进了GM(1,1)模型,提高了其精度和适应范围;将改进的GM(1,1)模型与神经网络预测模型相结合来构建灰色神经网络组合预测模型;提出了基于支持向量机的液压泵寿命特征启发式搜索策略,以液压泵寿命特征参数特征集的交叉验证错误率为评价指标,从液压泵的特征参数（振动、压力、流量、温度、油液信息等）中选取寿命特征因子;运用小波阈值降噪法进行降噪处理,提取典型的小波包能量特征作为模型的输入。以齿轮泵为例,将改进的灰色神经网络预测模型与原始GM(1,1)模型和改进GM(1,1)模型比较可知,灰色神经网络预测模型预测精度最高,达到98.42%。     

基于灰色理论的设备磨损状态辨识参数监测法的研究

灰色理论应用于滑油光谱分析的方法已经成为设备状态监测中油液监测的一种有效的建模手段。对取样时间间隔较长的机械设备磨损进行监测，以便得到设备磨损状态的预测信息。本文提出了基于灰色理论的GM(2，1)模型，对设备磨损状态进行预测和诊断分析，并与以往常用的GM(1，1)模型进行了比较，分析讨论这两种模型应用于设备磨损光谱元素浓度预测的精度，通过实例验证了GM(2，1)模型具有简单、准确和实用的特点。并在此基础上，又提出了应用灰色理论对设备磨损状态进行参数辨识，进而运用参数监测来对设备进行状态监测的方法，可以准确地发现系统的变化，为应用光谱分析法判定系统磨损的状态提供了一种定量的和定性的分析手段。     

Applying grey forecasting method for fitting and predicting the performance characteristics of an electro-conductive ceramic (Al2O3+30%TiC) during electrical discharge machining

This paper presents a residual modified grey dynamic model RGM(1,3) in order to fit and predict the performance characteristics of an electro-conductive ceramic (Al₂O₃+30%TiC) during electrical discharge machining (EDM). Grey system theory is suitable for the system in which some information is poor, incomplete and uncertain, so it is feasible to study the performance characteristics of EDM with this model. The RGM(1,3) model is modified to promote the forecasting accuracy of predicting values using the residual grey dynamic model GM(1,1). The fitted and predicted values of various performance characteristics, including the material removal rate (MRR), maximum surface roughness (Rmax), and electrode wear ratio (EWR) agreed sufficiently with the experimental data. It is proved that RGM(1,3) model fitted and predicted the above performance characteristics with a high predicting accuracy. Therefore this procedure of grey forecasting model is relatively simple and convenient, and it is greatly suited for the analysis of question which obtained a few experimental data, and acts an auxiliary to calculate the unfinished experimental data.     

灰色GM(1,1)模型在机械产品寿命试验数据预测中的应用

将构造的背景值公式引入 GM(1,1)模型 ,并用该模型预测机械产品寿命试验数据 ,实例计算结果表明 ,该方法能缩短机械产品寿命试验时间 ,提高了 GM(1,1)模型的预测精度。     

轴承磨损的一步灰色预测法

本文介绍ＧＭ（１，１）模型的基本原理和方法，并将这一方法用于某大型空压机轴承磨损量的预测，结果表明，灰色预测理论预测设备运行状态方法简单，计算量小，结果可靠。     

灰色马尔柯夫链方法在设备故障预测中的应用初探

将灰色马尔柯夫预测模型应用于设备运行状态的预测，实践证明，这种预测方法兼有灰色ＧＭ（１，１）预测和马尔柯夫概率矩阵预测的优点，尤其适用于随机波动性较大的数据列的预测。这一应用拓广了灰色预测的应用范围。对轴承振动的预测结果表明，该预测模型的预测精度是令人满意的。     

灰色无偏GM(1,1)理论应用研究

利用灰色理论，通过研究建立了无偏的GM(1，1)模型，突破了模型参数|α|较大时GM(1，1)模型无法应用的禁区，并将无偏GM(1，1)用于对齿轮磨损数据的预测，通过实验研究获得了满意效果，为齿轮磨损趋势的预测提供了一个新方法。     

GM(1,1)模型参数估计的函数变换法及其应用

灰色GM(1，1)模型为试验数据处理与在线监测提供了新的科学方法。为了克服传统GM(1，1)的不足，提出用相除法估计模型参数，建立拟合模型的方法。通过构造一个新数据列，分析新数据列的标准差系数，可以判定拟合精度的高低。选择变换函数，使原始序列变为新的数据序列，进而建立GM(1，1)模型参数估计的函数变换法，建立相应的拟合模型。给出相除法和函数变换法的直接建模的应用实例。实例表明两种方法简单实用。     

转子系统振动的灰色预测控制研究

分析了转子系统灰色预测控制设计方法及应用。针对单盘对称转子轴承系统 ,建立了灰色模型 GM(1,1)为主体的灰色预测控制模块 ,进行了振动主动控制研究 ,仿真计算结果表明 ,将灰色预测控制理论与方法应用于转子系统振动主动控制是可行的、有效的