Ikke Lineær Autoregressiv Moving Average Med Eksogent Inngangs

En hybrid av ikke-lineær autoregressiv modell med eksogen inngang og autoregressiv glidende gjennomsnittsmodell for langsiktig maskinstatistikkprognose. Hong Thom Pham. Van Tung Tran. School of Mechanical Engineering, Pukyong National University, San 100, Yongdang-dong, Nam-gu, Busan 608-739, Sør-Korea. Tilgjengelig online 15. oktober 2009. Dette papiret presenterer en forbedring av hybrid av ikke-lineær autoregressiv med eksogen inngangs NARX-modell og autoregressiv bevegelig gjennomsnittlig ARMA-modell for langsiktig maskinstatistikkprognosering basert på vibrasjonsdata. I denne studien, vibrasjonsdata betraktes som en kombinasjon av to komponenter som er deterministiske data og feil. Den deterministiske komponenten kan beskrive maskinens nedbrytingsindeks, mens feilkomponenten kan skildre utseendet på usikre deler. En forbedret hybridprognosemodell, nemlig NARX ARMA-modellen, er utført for å oppnå prognostiseringsresultatene der NARX nettverksmodell som er egnet for ikke-lineært problem, brukes til å forec ast den deterministiske komponenten og ARMA-modellen brukes til å forutsi feilkomponenten på grunn av egnet evne i lineær prediksjon. De endelige prognoseresultatene er summen av resultatene som er oppnådd fra disse enkeltmodellene. Utførelsen av NARX ARMA-modellen blir deretter evaluert ved å bruke dataene av lavmetankompressor oppnådd fra tilstandsovervåkingsrutinen For å bekrefte fremskrittene i den foreslåtte metoden utføres også en sammenlignende studie av prognoseresultater oppnådd fra NARX ARMA-modellen og tradisjonelle modeller. Sammenligningene viser at NARX ARMA-modellen er enestående og kan brukes som et potensielt verktøy for maskinstatistikkprognoser. Utødeleggerende, gjennomsnittlig ARMA. Nonlinear autoregressive med eksogen inngang NARX. Langsiktig prediksjon. Maskinens prognoser. Fig 1 Fig 2 Fig 3 Fig 4.Tabel 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 forfatter Tlf 82 51 629 6152 faks 82 51 629 6150.Nonlinear dynamikk av forankringsstrukturer Anvendelse av ikke-lineært autoregressivt glidende gjennomsnitt med eksogen inngangsmodell til Cluster data. Balikhin, MALJC Woolliscroft HS Alleyne M Dunlop og MA Gedalin 1997, Bestemmelse av bølgedispersjon, på grunnlag av kosektrale egenskaper av turbulens Anvendelse til studier av plasma bølger i nedstrøms for kvasi-vinkelrett støt Ann Geophys 15 143 151. Web of Science Times Cited 20.Balikhin, MAI Bates og S Walker 2001, Identifisering av lineære og ikke-lineære prosesser i romplasma 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 og A Fazakerley 2005, Ion lydbølgepakker på quasiperpendicular shock front Geophys Res Lett 32 L24106, doi 10 1029 2005GL024660.Balogh, A et al 2001, Klientfeltundersøkelsen Oversikt over resultatene i flyet og innledende resultater Ann Geophys 19 1207 1217.Web of Science Times Cited 770.Billings, SA og QM Zhu 1995, Model valideringstester for multivariable ikke-lineære modeller, inkludert nevrale nettverk Int J Control 62 4, 749 766.Web of Science Times Cited 47.Billings, SAMJ Korenberg og S Chen 1988, Identifisering av ikke - Linjære output-affine systemer ved hjelp av en ortogonal minst kvadrateralgoritme Int J Syst Sci 19 1559 1568. Web of Science Times sitert 99.Billings, SAS Chen og MJ Korenberg 1989, Identifisering av MIMO ikke-lineære systemer ved hjelp av en foward-regresjon ortogonale estimator Int J Control 49 2157 2189. Web of Science Times sitert 248.Boaghe, OM og SA Billings 2003, subharmonisk oscillasjonsmodellering og MISO Volterra-serien IEEE Trans Circuits Syst I 50 7, 877 884.Web of Science Times Cited 7.Coca, DMA Balikhin SA Billings HSK Alleyne og M Dunlop 2001, Tidsdomenanalyse av plasmakurbulens observert oppstrøms for en kvasi-parallell sjokk J Geophys Res 106 25,005 25,022.Dudok de Wit, TVV Krasnosel skikh M Dunlop og HL hr 1999, Identifisering av ikke-lineære bølgeinteraksjoner i plasma ved bruk av topunkts-målinger En case-studie av korte store amplitude magnetiske strukturer slam J Geophys Res 104 17,079 17,090.Frechet, M 1910, Sur les Fonctionnelles Fortsetter Ann Ecole Normale Suppl 27 3. ser. Gedalin, M 1993, Ikke-lineære bølger i to-fluid hydrodynamikk Fysiske væsker B5 2062 2075.Gedalin, M 1997, Ion-dynamikk og distribusjon ved den quasiperpendikulære kollisjonløse støtfronten Surv Geophys 18 541 566.Web of Science Times sitert 8.Hada, AT og CF Kennel 1985, Nonlinear evolusjon av langsomme bølger i solvinden J Geophys Res 90 531.Hobara, YSN Walker MA Balikhin OA Pokhotelov M Dunlop H Nilsson og HR me 2007, Karakteristikker for jordbaserte foreshock ulf bølger Kluster observasjoner J Geophys Res 112 A07202, doi 10 1029 2006JA012142. Kennel, CFJP Edmiston og T Hada 1985, Et kvart århundre med kollisjonløs sjokkforskning i Collisionless Shocks i Heliosphere En opplærings gjennomgang Geophys Monogr Ser vol 34 edite d av RG Stone og BT Tsurutani s. 1 36 AGU, Washington, D. C. Korenberg, MSA Billings YP Liu og PJ McIlroy 1988, Ortogonal parameter estimeringsalgoritme for ikke-lineære stokastiske systemer Int J Control 48 193.Web of Science Times sitert 177.McCaffrey, DI Bates MA Balikhin HSK Alleyne M Dunlop og W Baumjohann 2000, Eksperimentell metode for identifisering av spredning av trebølger i romplasma Adv Space Res 25 1571 1577.Web of Science Times sitert 12.Pokhotelov, OADO Pokhotelov MB Gokhberg FZ Feygin L Stenflo og PK Shukla 1996, Alfvens solitoner i jordens ionosfære og magnetosfære J Geophys Res 101 7913.Ritz, CP og EJ Powers 1986, Estimering av ikke-lineære overføringsfunksjoner for fullt utviklet turbulens Phys Scr 20D 320.Russell, CT 1988, Multipoint målinger av oppstrømsbølger Adv Space Res 8 147 156.Sagdeev, RZ og AA Galeev 1969, ikke-lineær plasmastudie Benjamin, hvite sletter, N Y. Shukla, PK og L Stenflo 1985, ikke-lineær forplantning av el ektromagnetisk ion-cyklotron Alfven bølger Phys Fluids 28 1576.Web of Science Times Cited 63. Walker, SNMA Balikhin HSK Alleyne W Baumjohann og M Dunlop 1999, Observasjoner av et veldig tynt sjokk Adv Space Res 24 47 50.Web of Science Times sitert 8.Wiener, N 1942, Svar fra en ikke-lineær enhet til støy MIT Press, Cambridge, Mass. Wiener, N 1958, ikke-lineære problemer i tilfeldig teori MIT Press, Cambridge, Mass. Woods, LC 1969, På strukturen av kollisjonløs magneto-plasma sjokkbølger ved superkritiske alfven-mach-tall Plasma Phys 3 435. Web of Science Times Cited 42. Mer innhold som dette. Data-basert kontroll, beslutning, planlegging og feilsøking. Data-basert modellering av kjøretøykollisjoner av ikke-lineær autoregressiv modell og feedforward Neural Network. Witold Pawlus. Hamid Reza Karimi. Kjell G Robbersmyr. Avdeling for ingeniørfag, Fakultet for ingeniørvitenskap og naturvitenskap, Agder Universitet, Postboks 509, N-4898 Grimstad, Norway. Tilgjengelig online 6. april 2012.Vehicle crash test er mest direkte og felles metode for å vurdere bilens krasjverdighet. Visuell inspeksjon og oppnådde målinger, for eksempel bilakselerasjon, benyttes, for eksempel for å undersøke bevegelsens alvorlighetsgrad eller for å vurdere total bilsikkerhet. Disse forsøkene er imidlertid komplekse, tidkrevende og dyre Vi foreslå en metode for å reprodusere bil kinematikk under en kollisjon ved bruk av ikke-lineær autoregressiv NAR-modell hvilke parametere estimeres ved bruk av feedforward neuralt nettverk. NAR-modellen presentert i denne studien er avledet fra den mer generelle en ikke-lineær autoregressiv med glidende gjennomsnitt NARMA Egnethet for autoregressive systemer for databasert modellering ble bekreftet ved bruk av nevrale nettverk med en NAR-modell til eksperimentelle data målinger av kjøretøyakselerasjon under en kollisjonstest. Denne modellen tillater oss å forutsi de kinematiske responsene akselerasjon, hastighet og forskyvning av en gitt bil under en kollisjon. Fordelen med denne tilnærmingen er at disse tomtene kan oppnås uten tilleggsundervisning i et nettverk. Data-basert modellering. Nynlinear autoregressiv modell. Feforforward neural network. 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. Tabel 4 Fig 13 Fig 14 Fig 15 Fig 16 Fig 17 Fig 18 Fig 19 Fig 20.