无心内圆磨削质量控制的时序建模方法

本文就如何建立合适的无心内圆磨削工序在线X-R质量控制的AR(n)模型进行了探讨.运用自现场采集得的轴承内圈内孔精磨后的工件尺寸数据建立时间序列模型.文中还对建模时采用的数据长度和适用模型的检验标准作了深入的探讨,提出了用AR(n)模型的临界残差方差函数来确定适用模型的残差极限.     

离散雅可比多项式序列预报控制理论与算法

本文提出一种用于微机加工误差实时预报控制的新方法;构造了离散雅可比多项式序列的计算通式及其递推格式;证明了其离散正交性;开发了用于微机在线预报与控制的递推公式及算法.本文所提出的理论与算法对加工误差的实时补偿控制是适用有效的.     

基于时间序列分析的动态变形预报

对变形体的变形趋势做出预报,是变形监测的主要任务之一.时间序列分析能顾及各期数据间的统计相关性,通过建模实现变形体的动态变形预报.鉴于AR模型估计参数时有递推公式,且工作量小,故在介绍时间序列模型的基础上,结合变形监测实例,讨论了AR模型的建模过程,并采用AR模型实现了变形的动态预报.     

计算机辅助提高内圆磨削质量

本文为了利用计算机实时控制和预报轴承内环加工误差,针对轴承内环磨削加工的精度和速度要求,建立了基于Marple算法的AR(n)模型,以及离散勒让德多项式模型.依此研制的微机动态统计控制系统用于现场试验,显著减少了轴承内环加工的返修品和废品.     

精密内圆磨削过程建模与质量控制系统

根据建模速度及预报精度,重点分析了内圆磨削过程的时间序列AR(n)模型、离散勒让德多项式L(m,n)模型和用灰色系统理论对内圆磨削过程建模的可能性.计算机的模拟结果证明:AR(n)模型、L(m,n)模型和灰色模型GM(1,1)均可适于内圆磨削过程.在此基础上,设计了旨在提高轴承内圈加工质量和生产率的质量控制系统.     

基于通用钟差模型的北斗卫星钟预报精度分析

卫星钟差参数的预报精度直接影响卫星导航系统的服务性能.影响卫星钟预报精度的因素有很多,其中钟差序列的建模质量是一个很重要的影响因子,只有最能反映星载原子钟自身物理特性和运行状态的模型才能获得更高的卫星钟预报精度.本文分析了北斗系统钟差序列的特性,提出了一种通用的钟差模型,该模型同时包含线性项、周期项和随机项,并且利用了AR模型对随机项进行建模,给出了周期项和AR模型参数的确定方法,该模型还能够根据实际星载钟特性进行退化与扩展.本文还给出了基于该模型的卫星钟预报方法,最后利用北斗实测数据进行了卫星钟预报精度分析试验,试验结果表明:所提出的通用模型能够最大限度地拟合钟差序列,从而大大提高卫星钟的预报精度,特别是针对一些稳定度较差的星载钟,实现了6 h预报精度2 ns,12 h预报精度5.5 ns.     

智能健康住宅监护数据的分析方法

智能健康住宅为缓解人口老龄化的压力和优化医疗资源配置提供了重要手段,其特点是在家庭环境下提供各项生命体征参数监测,并对监护数据自动分析处理.文中提出了以时序建模为基础的智能健康住宅监护数据分析方法.此方法由3个部分构成,包括模型辨识、模型更新以及基于模型的预报区间确定.模型阶数基于最终预报准则确定,使得模型能更好地符合观测数据.基于自适应滤波器算法的模型参数在线更新,能确保模型更好地描述监护数据的动态特性.根据建模结果,作前向30步预报,可确定预报区间.据此,可实现对监护数据中的平稳值、异常值以及状态变化3种特征模式的识别.通过应用PhysioNet中的3组数据集进行实验研究,发现文中方法的预报结果准确,能实现对智能健康住宅中连续监测数据的在线分析.     

基于AR模型的多步自校正预报器及其应用

提出了基于AR模型的多步自校正预报器；简述了AR模型与ARMA模型的关系，避免了白噪声序列项麻烦，使得建模和参数估计的计算量大为减少；应用实例表明该方法的有效性．     

智能健康住宅监护数据分析方法的研究

智能健康住宅为缓解人口老龄化的压力和优化医疗资源配置提供了重要手段。其特点是在家庭环境下提供各项生命体征参数监测,并对监护数据自动分析处理。本文提出了以时序建模为基础的分析方法。此方法由三个部分构成,包括模型辨识、模型更新、以及基于模型的预报区间确定。模型阶数基于最终预报准则确定,使得模型能更好的符合观测数据。基于自适应滤波器算法对模型参数进行在线更新,确保模型能更好的描述监护数据的动态特性。根据建模结果,作前向30步预报,确定预报区间。从而实现对监护数据中的平稳、异常值、以及状态变化三种特征模式的识别。通过应用PhysioNet中的三组数据集进行实验研究。实验结果表明此方法的预报结果准确,能实现对于智能健康住宅中连续监测获得的数据进行在线分析。     

基于自适应最小二乘支持向量机的预测函数控制

提出一种基于最小二乘支持向量机在线建模的自适应函数预测控制算法.该方法提出一种新样本与模型节点的相似性计算方法,结合预测误差与过程先验知识给出控制模型节点的加入准则,使其自适应调整模型的复杂度,保证模型系数的稀疏性,有效地提高建模的精度和速度;给出增加节点和删除最早节点时最小二乘支持向量机模型更新的在线递推形式;基于局部在线最小二乘支持向量机的线性化模型,给出了自适应预测函数控制算法.以pH中和控制作为仿真实例,结果表明该算法的有效性.     

机床加工精度的自适应控制

本文采用直接检测加工区域误差的全环控制方法,分析了加工误差与测量信号的关系及加工误差的表现形式;对机床加工精度的控制(尺寸精度与形状精度);首次提出了用趋势性差分方程描述加工误差;应用自适应控制理论,确定了模型结构形式;并通过在线辨识系统参数,设计了系统的自校正调节器。在实际加工过程中,取得了较为满意的结果。本文为提高数控机床的加工精度提供了一套行之有效的方法,同时也为研究机床加工过程,建立综合性数学模型提供了一条可行的途径。     

机床加工精度的时间序列预报控制

本文阐明了时间序列预报控制的特点和基本原理；提出了在实现误差自动补偿的闭环系统中对测得的时间序列进行修正的方法。在建立的时序数学模型中考虑了机床加工中的确定性误差和随机误差。数学模型中的参数是时变的，以使加工误差最小化。文中提出了对多轴自动机床加工精度实行预报控制的方法、分析了数学模型和预报公式，并对采用时序预报控制的明显效果作了对比说明。     

时序模型用于圆度预测补偿控制问题的理论探讨

本文研究了以AR(自回归)时序模型用于圆度预测补偿控制问题;从最小方差控制的角度,指出了AR模型的局限性而应代之以ARV模型.文中讨论了运用自校正调节器的可能性,以克服加工环境慢时变特性对预测控制的影响.     

基于自适应滤波的日负荷预测新陈代谢模型

提出了对日负荷进行预测的新方法。基于自适应滤波算法进行预测,在预测过程中对原始数据进行新陈代谢处理,且根据预测日的属性对预测结果进行加权,并依据历史负荷中负荷的变动情况对结果进行校正,以求最佳预测效果。利用自适应滤波预测结果的残差建立时间序列的AR(p)模型,与自适应滤波模型形成组合模型,从而实现了短期电力负荷样本资料随时间变化而更新、样本量和计算量不增加而预测精度能得到保证的目标。与传统的预测方法相比较,该模型用于日负荷预测具有计算迅速、精度高的优点。     

铣削过程的约束型智能控制研究

本文通过设计并实现一个铣削力模糊自适应控制系统ＦＡＣ探讨了铣削过程的约束型智能控制问题。联机运行结果表明：ＦＡＣ系统可行，在线智能控制铣削力的效果较满意，通过在线调节工作台进给速度来智能控制铣削力可以实现粗加工阶段的生产率最大化。     

自由曲面CNC高速高精加工

介绍了在ＣＮＣ系统上实现自由曲面加工运动轨迹直接插补控制的原理、方法与取得的成果，使ＣＮＣ系统具有对工程曲面的直接加工和工艺参数的修改适应能力与高速高精加工性能，直接使用类ＡＰＴ的高级语言，大大简化零件程序信息和加工辅助工作，使曲面精加工经济而高效．     

基于遗传算法的水轮发电机组模糊调速器的研究

针对水轮机调节系统模糊控制存在的问题 ,结合遗传算法在水轮机组控制中的应用现状 ,提出了一种采用遗传算法在线优化模糊隶属度函数的方法。仿真结果表明 ,该方法可以自适应地跟踪控制对象的参数变化 ,有效地对模糊控制器进行在线优化 ,从而为水轮发电机组的在线智能控制提供了一条有效途径     

基于GMDH的宏观经济短期预测模型

传统的宏观经济短期预测研究通常基于定量或定性预测模型,而GMDH 算法兼具定性定量的特点,建立了基于GMDH 自回归模型的混合预测模型数学模型来进行宏观经济短期预测,应用相关的统计数据做实证分析,将所得结果与传统GMDH模型、二次自回归模型进行了比较.结果表明,本文提出的混合预测模型具有良好的预测精度,是一种有效的宏观经济短期预测手段.     

基于DPCA-BP神经网络的中长期电力负荷预测方法

针对PCA-神经网络预测方法解决预测问题时,忽视数据自相关性而造成的预测结果难以满足实际工程要求精度的研究现状,建立了预测数据的增广矩阵.通过计算前l时刻数据确定增广矩阵的维数,并把得到增广后的预测数据作为BP神经网络的输入变量,建立了基于DPCA-BP神经网络的预测模型,给出了模型结构.该模型能有效地去除自变量系统中与因变量无关的数据信息,增加自变量系统中数据的自相关性.算例比较分析表明,所建立模型的模型成分解释性增强,预测精度提高,预测效果优于PCA-BP神经网络方法.