本文關鍵詞：非線性振動信號預測方法研究

  更多相關文章： 振動信號 預測模型 回聲狀態(tài)網絡 相空間重構 小波分析

【摘要】：振動現(xiàn)象無處不在。一些利用振動性質制造的設備、儀器廣泛應用于工程界。雖然有些情況下振動的應用給實際工程作業(yè)帶來很大便利,但大多情況下振動的存在嚴重危害機械設備的安全運行。隨著科技的進步、工業(yè)技術的發(fā)展,各種設備、儀器日趨復雜化、重載化、精密化,振動對設備安全、工作性能的不利影響也越來越突出,同時對機械系統(tǒng)的振動控制、狀態(tài)監(jiān)測等提出新的挑戰(zhàn)。傳統(tǒng)的振動系統(tǒng)建模大都是建立在一定假設基礎上的精確數(shù)學模型,在實際應用有一定的局限性。本文從振動時間序列角度,利用神經網絡、支持向量機等智能算法建立振動序列的預測模型。所選擇的樣本數(shù)據為某空間相機平臺的振動幅值信號。首先,本文引入BP神經網絡、支持向量機和回聲狀態(tài)網絡,利用這三種算法建立振動信號的多步預測模型,并比較了三種建模方法的優(yōu)劣。同時根據三種預測建模方法的特點,提出BP神將網絡與支持向量回歸機(SVR)的組合模型,即BP-SVR模型。整體比較上述四種模型的振動預測性能,回聲狀態(tài)網絡在振動序列預測中表現(xiàn)優(yōu)越。隨后引入相空間重構技術,對振動序列進行相空間重構分析,挖掘振動信號內部存在的隱含信息。按照最佳嵌入維數(shù)和最優(yōu)時間延遲對相點分組預測,選擇預測性能最優(yōu)的回聲狀態(tài)網絡,以最佳嵌入維數(shù)作為網絡的輸入層數(shù),對每組相點建立多步預測模型。仿真結果表明,在保證一定預測精度的情況下,此方法有效的延長了振動預測模型的預測步長。為了實現(xiàn)對振動的長時間預測,本文引入小波分析。首先對原始振動信號實施小波分解和重構,將振動序列的變化平緩化,再對小波重構后的序列進行相空間重構,同樣按照最佳嵌入維數(shù)和最優(yōu)時間延遲對相點分組,對每組相點建立多步預測模型。仿真結果表明,此方法大大延長了模型的預測時間,證明了此種方法對振動序列長時間預測的有效性。
【關鍵詞】：振動信號 預測模型 回聲狀態(tài)網絡 相空間重構 小波分析
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TB53;TN911.6
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-18
• 1.1 課題研究的背景及意義10-11
• 1.2 國內外研究現(xiàn)狀11-16
• 1.2.1 振動控制11-14
• 1.2.2 時間序列研究現(xiàn)狀14-16
• 1.3 本文的主要工作16-18
• 第2章 振動信號預測建模方法18-30
• 2.1 人工神經網絡18-22
• 2.1.1 BP神經網絡19-21
• 2.1.2 BP神經網絡訓練過程21-22
• 2.2 支持向量機22-24
• 2.2.1 線性回歸原理22-24
• 2.2.2 非線性回歸原理24
• 2.3 回聲狀態(tài)網絡原理24-28
• 2.3.1 回聲狀態(tài)網絡的訓練25-27
• 2.3.2 回聲狀態(tài)屬性27
• 2.3.3 回聲狀態(tài)網絡的關鍵參數(shù)27-28
• 2.4 本章小結28-30
• 第3章 振動信號多步預測模型30-40
• 3.1 模型數(shù)據樣本介紹30
• 3.2 單一模型建立30-35
• 3.2.1 模型的訓練和測試31
• 3.2.2 支持向量機模型31-32
• 3.2.3 BP神經網絡模型32
• 3.2.4 回聲狀態(tài)網絡模型32
• 3.2.5 仿真比較32-35
• 3.3 BP-SVR模型35-37
• 3.4 仿真結果分析37-38
• 3.5 本章小結38-40
• 第4章 基于相空間重構理論的振動趨勢長時間預測40-62
• 4.1 相空間重構40-43
• 4.2 基于相空間重構的振動多步預測模型43-50
• 4.2.1 基于相空間重構的振動預測建模方法43-45
• 4.2.2 振動預測實例分析45-50
• 4.3 基于小波變換與相空間重構的振動長時間預測模型50-60
• 4.3.1 小波變換50-52
• 4.3.2 基于小波分析與相空間重構的振動預測建模方法52-55
• 4.3.3 振動預測實例分析55-60
• 4.4 本章小結60-62
• 第5章 結論與展望62-64
• 5.1 全文總結62-63
• 5.2 展望63-64
• 參考文獻64-69
• 攻讀碩士學位期間發(fā)表的論文69-70
• 致謝70

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 張成;王興春;;空中機動目標航路預測模型[J];火力與指揮控制;2007年09期

2 李楷;;論汽車整車庫存預測模型的構建[J];現(xiàn)代商貿工業(yè);2008年05期

3 趙國清;張少勇;;關于成長曲線預測模型參數(shù)識別的一點看法[J];哈爾濱科學技術大學科學報告會論文摘要匯編;1985年S1期

4 左常勇;;隨機疲勞壽命分布預測模型[J];機械強度;1988年02期

5 ;《節(jié)能管理和預測模型》[J];中國能源;1991年08期

6 劉沐宇,鄭澤岱;灰色預測模型及在巷道收斂位移中的應用[J];非金屬礦;1992年05期

7 張步涵;鄭琢非;;灰色預測模型在農電規(guī)劃中的應用[J];水電能源科學;1993年02期

8 陳淑敏;王秀英;;指數(shù)預測模型及參數(shù)識別[J];哈爾濱科學技術大學學報;1993年03期

9 陳傳波,劉廣宇;實時參量預測模型及其分析[J];湖北工學院學報;2001年04期

10 梅國建;張向波;徐宗昌;溫再華;;基于支持向量分類的裝備完好性預測模型[J];裝甲兵工程學院學報;2009年01期

中國重要會議論文全文數(shù)據庫 前10條

1 鄢小彬;肖新平;;基于灰色馬爾可夫模型的煤礦安全預測[A];第九屆中國青年信息與管理學者大會論文集[C];2007年

2 羅榮桂;黃敏鎂;;基于自適應神經模糊推理系統(tǒng)的服務業(yè)發(fā)展預測模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;劉豹;徐德民;;預測模型的選擇及其智能化實現(xiàn)[A];科學決策與系統(tǒng)工程——中國系統(tǒng)工程學會第六次年會論文集[C];1990年

4 肖健華;吳今培;;基于支持向量機的預測模型及應用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 李陽旭;鄧輝文;;一種新的企業(yè)市場預測模型及其比較研究[A];2004年中國管理科學學術會議論文集[C];2004年

6 馬志元;;城市區(qū)域經濟、人口、能源、環(huán)境綜合系統(tǒng)預測模型及應用[A];中國城市建設與環(huán)境保護實踐——城市建設與環(huán)境保護學術研討會論文集[C];1997年

7 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角氣象科技論壇論文集[C];2004年

8 李兆芹;姚克敏;;一種新的疾病發(fā)病率預測模型研究[A];首屆長三角科技論壇——氣象科技發(fā)展論壇論文集[C];2004年

9 張曉f^;;全球煤炭產量的灰色預測模型[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

10 肖會敏;樊為剛;;基于神經網絡的糧食產量預測模型[A];04'中國企業(yè)自動化和信息化建設論壇暨中南六省區(qū)自動化學會學術年會專輯[C];2004年

中國重要報紙全文數(shù)據庫 前10條

1 劉慶;“預測模型”要緩行[N];網絡世界;2006年

2 特約記者 劉京濤;華東化工銷售員工設計價格預測模型見成效[N];中國石油報;2010年

3 南方日報記者 彭琳　實習生 周鵬程;預測世界杯之外 大數(shù)據還能做什么[N];南方日報;2014年

4 本報記者 張超;預測模型：推算SARS起落潮[N];科技日報;2003年

5 本報記者 段佳;機器“品肉師”替您“嘗鮮”[N];大眾科技報;2010年

6 BMC首席IT技術官 Mahendra Durai　IDC顧問 Eric Hatcher Randy Perry;預測智能：管理復雜基礎架構的鎖鑰[N];中國計算機報;2010年

7 張琳 趙偉;巧用Excel構建利潤預測模型[N];財會信報;2007年

8 楊宜勇（作者為國家發(fā)改委經濟研究所副所長）;發(fā)揮信息化對就業(yè)的“增補效應”[N];第一財經日報;2005年

9 本報記者 湯潯芳　實習記者 董文萍;“孵化器”模式：大數(shù)據的垂直運營樣本[N];21世紀經濟報道;2014年

10 本報記者 安豐;深部找礦的探鏡[N];中國國土資源報;2006年

中國博士學位論文全文數(shù)據庫 前10條

1 師懿;城市交通規(guī)劃環(huán)評中空氣污染預測模型研究[D];中國地質大學;2015年

2 張麗;牦牛肉用品質特性及近紅外預測模型和產量等級系統(tǒng)的研究[D];中國農業(yè)科學院;2015年

3 吳利豐;分數(shù)階灰色預測模型及其應用研究[D];南京航空航天大學;2015年

4 王菲;肉牛飼料有效能值預測模型的建立與評價[D];中國農業(yè)大學;2016年

5 文江平;農村地區(qū)成人2型糖尿病發(fā)生風險相關生物標志物的篩選及預測模型的建立[D];中國人民解放軍醫(yī)學院;2016年

6 白云鵬;華法林穩(wěn)態(tài)劑量預測模型在瓣膜置換術后抗凝治療中的應用[D];天津醫(yī)科大學;2016年

7 周闖;原發(fā)性肝癌術后轉移復發(fā)分子預測模型的優(yōu)化整合與臨床轉化[D];復旦大學;2012年

8 孫忠林;煤礦安全生產預測模型的研究[D];山東科技大學;2009年

9 王冬光;控制技術在投資預測模型建立中的應用研究[D];哈爾濱工程大學;2005年

10 張麗峰;中國能源供求預測模型及發(fā)展對策研究[D];首都經濟貿易大學;2006年

中國碩士學位論文全文數(shù)據庫 前10條

1 劉冰;基于神經網絡的纖維熱磨過程能耗預測模型的研究[D];東北林業(yè)大學;2015年

2 張念;鐵路軌道幾何不平順趨勢預測的關鍵算法研究[D];西南交通大學;2015年

3 田振偉;城市能源預測模型的研究與應用[D];昆明理工大學;2015年

4 吳迪;基于模糊決策樹算法的安全庫存量預測模型[D];中國地質大學(北京);2015年

5 齊雯;采用灰色預測模型改進的HHT算法在故障診斷中的應用[D];華南理工大學;2015年

6 王萍;膀胱癌遺傳分數(shù)的計算及發(fā)病風險預測模型的構建[D];復旦大學;2013年

7 李霄;基于提升小波和最小二乘支持向量機的風電功率預測[D];上海交通大學;2015年

8 楊雪梅;基于TM影像的沱江中游土壤重金屬預測研究[D];四川農業(yè)大學;2015年

9 朱帥軍;高鐵動車組故障預測與健康管理關鍵技術的研究[D];北京交通大學;2016年

10 田玉珂;基于TM數(shù)據的川東北低山區(qū)土壤肥力因子空間分布反演研究[D];四川農業(yè)大學;2014年

，

本文編號：685334