En hybrid av icke-linjär autoregressiv modell med exogen inmatning och autoregressiv glidande medelmodell för långsiktig maskinstatistikprognos. Hong Thom Pham. Van Tung Tran. School of Mechanical Engineering, Pukyong National University, San 100, Yongdang-dong, Nam-gu, Busan 608-739, Sydkorea. Tillgänglig online den 15 oktober 2009.Det här dokumentet presenterar en förbättring av hybrid av olinjär autoregressiv med exogen inmatning NARX-modell och autoregressiv rörlig genomsnittlig ARMA-modell för långsiktig maskinstatistikprognos baserat på vibrationsdata. I denna studie, Vibrationsdata betraktas som en kombination av två komponenter som är deterministiska data och fel Den deterministiska komponenten kan beskriva maskinens nedbrytningsindex, medan felkomponenten kan visa utseendet på osäkra delar En förbättrad hybridprognosmodell, nämligen NARX ARMA-modellen, är Utförda för att få prognosresultatet där NARX-nätverksmodell som är lämplig för olinjär problem används för att förec Ast den deterministiska komponenten och ARMA-modellen används för att förutsäga felkomponenten på grund av lämplig förmåga i linjär förutsägelse. De slutliga prognosresultaten är summan av resultaten som erhållits från dessa enskilda modeller. Prestanda för NARX ARMA-modellen utvärderas sedan med användning av data Av lågmetankompressor som förvärvats från tillståndsövervakningsrutinen För att bekräfta framstegen för den föreslagna metoden utförs också en jämförande studie av prognosresultaten från NARX ARMA-modellen och traditionella modeller. De jämförande resultaten visar att NARX ARMA-modellen är enastående och Kan användas som ett potentiellt verktyg för att mäta tillståndsprognos. Utövningsledande medelvärde ARMA. Nonlinjär autoregressiv med exogen inmatning NARX. Långtidsutsikt. Maskinstatistikprognoser. Fig 1 Fig 2 Fig 3 Fig 4. Tabell 1 Fig 5 Fig 6 Fig 7 Fig 8 Fig 9 Fig 10.Tabel 2 Fig 11 Fig 12.Tabel 3 Fig 13 Fig 14.Svarlig författare Tel 82 51 629 6152 fax 82 51 629 6150.Onlinjär Dynamik av förankringsstrukturer Användning av icke-linjärt autoregressivt glidande medelvärde med exogen inmatningsmodell till Cluster data. Balikhin, MALJC Woolliscroft HS Alleyne M Dunlop och MA Gedalin 1997, Bestämning av vågdispersion, baserat på kosmektriska egenskaper hos turbulens. Tillämpning på studien av plasma Vågor i nedströms kvasi-vinkelrät chock Ann Geophys 15 143 151.Web of Science Times cited 20.Balikhin, MAI Bates och S Walker 2001, Identifiering av linjära och olinjära processer i rymdplasma turbulensdata Adv Space Res 28 787 800.Web Av Science Times cited 9.Balikhin, MS Walker R Treumann H Alleyne V Krasnoselskikh M Gedalin M Andre M Dunlop och A Fazakerley 2005, Ion ljudvågspaket vid quasiperpendicular shock front Geophys Res Lett 32 L24106, doi 10 1029 2005GL024660.Balogh, A Et al 2001, The Cluster magnetic field investigation Översikt över prestanda i flyg och inledande resultat Ann Geophys 19 1207 1217.Web of Science Tider citeras 770.Billings, SA och QM Zhu 1995, Model valideringstest för multivariabla olinjära modeller inklusive neurala nätverk Int J Control 62 4, 749 766. Web of Science Times Cited 47.Billings, SAMJ Korenberg och S Chen 1988, Identifiering av icke - - linjära output-affine-system som använder en ortogonal minsta kvadrateralgoritm Int J Syst Sci 19 1559 1568. Web of Science Times citerade 99.Billings, SAS Chen och MJ Korenberg 1989, Identifiering av MIMO icke-linjära system med hjälp av en fog-regression ortogonal Estimator Int J Control 49 2157 2189.Web of Science Times citerad 248.Boaghe, OM och SA Billings 2003, subharmonisk oscillationsmodellering och MISO Volterra serie IEEE Trans Circuits Syst I 50 7, 877 884. Webb av Science Times Cited 7.Coca, DMA Balikhin SA Billings HSK Alleyne och M Dunlop 2001, tidsdomänanalys av plasmakurbulens observerad uppströms en kvasi-parallell chock J Geophys Res 106 25,005 25,022.Dudok de Wit, TVV Krasnosel skikh M Dunlop och HL hr 1999, Identifiering av icke-linjära våginteraktioner i plasma med användning av tvåpunktsmätningar En fallstudie av korta stora amplitudemagnetiska strukturer slammar J Geophys Res 104 17,079 17,090.Frechet, M 1910, Sur les Fonctionnelles Fortsätter Ann Ecole Normale Suppl 27 3: e ser. Gedalin, M 1993, Icke-linjära vågor i två-fluid-hydrodynamik Phys Fluids B5 2062 2075.Gedalin, M 1997, Iondynamik och fördelning vid den quasiperpendikulära kollisionlösa chockfronten Surv Geophys 18 541 566.Web of Science Times citerade 8.Hada, AT och CF Kennel 1985, nonlinear Utveckling av långsamma vågor i solvinden J Geophys Res 90 531.Hobara, YSN Walker MA Balikhin OA Pokhotelov M Dunlop H Nilsson och HR me 2007, Karaktäristika för jordfäste ulfvågor Klusterobservationer J Geophys Res 112 A07202, doi 10 1029 2006JA012142. Kennel, CFJP Edmiston och T Hada 1985, Ett kvarttal med kollisionslös chockforskning i Collisionless Shocks i Heliosphere En handledning Granskning Geophys Monogr Ser vol 34 edite D av RG Stone och BT Tsurutani s. 1 36 AGU, Washington, D. C. Korenberg, MSA Billings YP Liu och PJ McIlroy 1988, Ortogonal parameterestimeringsalgoritm för icke-linjära stokastiska system Int J Control 48 193.Web of Science Times citerades 177.McCaffrey, DI Bates MA Balikhin HSK Alleyne M Dunlop och W Baumjohann 2000, Experimentell metod för identifiering av spridningsvätskekoppling i rymdplasma Adv Space Res 25 1571 1577.Web of Science Times citerad 12.Pokhotelov, OADO Pokhotelov MB Gokhberg FZ Feygin L Stenflo och PK Shukla 1996, Alfven solitoner i jordens jonosfär och magnetosfär J Geophys Res 101 7913.Ritz, CP och EJ Powers 1986, Uppskattning av olinjära överföringsfunktioner för fullt utvecklad turbulens Phys Scr 20D 320.Russell, CT 1988, Multipunktmätningar av uppströmsvågor Adv Space Res 8 147 156.Sagdeev, RZ och AA Galeev 1969, nonlinear plasma teori Benjamin, White Plains, N Y. Shukla, PK och L Stenflo 1985, icke-linjär förökning av el Ektromagnetisk joncyklotron Alfven vågor Phys Fluids 28 1576.Web of Science Times Cited 63. Walker, SNMA Balikhin HSK Alleyne W Baumjohann och M Dunlop 1999, Observationer av en mycket tunn chock Adv Space Res 24 47 50.Web of Science Times Cited 8.Wiener, N 1942, Svar från en icke-linjär enhet till buller MIT Press, Cambridge, Mass. Wiener, N 1958, olinjära problem i slumpmässig teori MIT Press, Cambridge, Mass. Woods, LC 1969, På strukturen av kollisionslös magneto-plasma Chockvågor vid superkritiska alfven-mach-tal Plasma Phys 3 435.Web of Science Times Cited 42. Mer innehåll som this. Data-baserad kontroll, beslut, schemaläggning och feldiagnostik. Data-baserad modellering av fordonskollisioner av olinjär autoregressiv modell och feedforward Neuralt nätverk. Witold Pawlus. Hamid Reza Karimi. Kjell G Robbersmyr. Institutionen för ingenjörsvetenskap, Tekniska fakulteten, Agder Universitet, PO Box 509, N-4898 Grimstad, Norge. Tillgänglig online 6 april 2012.Vehicle crash test är mest Direkt och vanlig metod för att bedöma kollisionsvärdighet Fordonsvisa inspektioner och erhållna mätningar, såsom bilacceleration, används till exempel för att undersöka en persons beslag, eller för att bedöma total bilsäkerhet. Dessa experiment är emellertid komplicerade, tidskrävande och dyra. Vi Föreslå en metod för att reproducera bilkinematik under en kollision med användning av icke-linjär autoregressiv NAR-modell vilka parametrar beräknas med hjälp av framåtriktat neuralt nätverk. NAR-modellen som presenteras i denna studie är härledd från den mer generella en icke-linjära autoregressiva med glidande medelvärdet NARMA Lämplighet för autoregressiva system för Data-baserad modellering bekräftades genom tillämpning av neurala nätverk med en NAR-modell för experimentella mätningar av fordonets acceleration under ett kraschtest. Denna modell tillåter oss att förutse de kinematiska svaren acceleration, hastighet och förskjutning av en given bil under en kollision. Fördelen med detta tillvägagångssätt är att dessa tomter kan erhållas Utan ytterligare undervisning i ett nätverk. Data-baserad modellering. Onlinjär auto-regressiv modell. Feedforward neuralt nätverk. Vehicle crash. Table 1 Fig 3 Fig 4 Fig 5 Fig 6.Table 2 Fig 7.Table 3 Fig 8 Fig 9 Fig 10 Fig 11 Fig 12.Tabell 4 Fig 13 Fig 14 Fig 15 Fig 16 Fig 17 Fig 18 Fig 19 Fig 20.
Comments
Post a Comment