Autoregressiv Gleitender Durchschnitt Mit Exogenen Eingängen

Ein Hybrid aus nichtlinearem autoregressivem Modell mit exogenem Input und autoregressivem, gleitendem Durchschnittsmodell für die langfristige Maschinenzustandsvorhersage. Dieses Papier präsentiert eine Verbesserung des Hybrids von nichtlinearen autoregressiven mit exogenem Input-NARX-Modell und autoregressivem gleitendem ARMA-Modell für die langfristige Maschinenzustandsvorhersage Basierend auf Schwingungsdaten In dieser Studie werden Schwingungsdaten als eine Kombination von zwei Komponenten betrachtet, die deterministische Daten und Fehler sind. Die deterministische Komponente kann den Verschlechterungsindex der Maschine beschreiben, während die Fehlerkomponente das Auftreten unsicherer Teile darstellen kann. Eine verbesserte Hybridprognose Modell, nämlich NARX ARMA-Modell, wird durchgeführt, um die Prognoseergebnisse zu erhalten, in denen das NARX-Netzwerkmodell, das für nichtlineares Problem geeignet ist, verwendet wird, um die deterministische Komponente und das ARMA-Modell zu prognostizieren, verwendet werden, um die Fehlerkomponente aufgrund geeigneter Fähigkeit in der linearen Vorhersage vorherzusagen Die endgültigen Prognoseergebnisse sind die Summe der Ergebnisse, die aus diesen einzelnen Modellen erhalten wurden. Die Leistung des NARX ARMA-Modells wird dann unter Verwendung der Daten des Niedrigmethan-Kompressors, die aus der Zustandsüberwachungsroutine gewonnen wurden, ausgewertet. Um die Fortschritte der vorgeschlagenen Methode zu bestätigen, Eine vergleichende Untersuchung der Prognoseergebnisse aus dem NARX ARMA-Modell und den traditionellen Modellen wird ebenfalls durchgeführt. Die Vergleichsergebnisse zeigen, dass das NARX ARMA-Modell hervorragend ist und als potentielles Werkzeug zur Maschinenzustandsvorhersage genutzt werden kann. Autoregressive gleitende durchschnittliche ARMA. Nonlineare autoregressive mit exogenen Eingabe NARX. Long-Term Vorhersage. Machine Staat Vorhersage. Corresponding Autor Tel 82 51 629 6152 Fax 82 51 629 6150.Copyright 2009 Elsevier Ltd Alle Rechte vorbehalten. Käufe werden von dieser Website verwendet Für weitere Informationen, besuchen Sie die Cookies page. Copyright 2017 Elsevier BV oder seine Lizenzgeber oder Mitwirkenden ScienceDirect ist ein eingetragenes Warenzeichen von Elsevier B Vc ist ein konstanter Vektor von Offsets, mit n elements. i sind n - by-n Matrizen für jedes i Die i sind autoregressive Matrizen Es gibt p autoregressive Matrizen und Manche können ganz aus Nullen zusammengesetzt sein. Es ist ein Vektor von seriell unkorrelierten Neuerungen, Vektoren der Länge n Die t sind multivariate normale zufällige Vektoren mit einer Kovarianzmatrix. j sind n - by-Matrix für jedes j Die j sind gleitende mittlere Matrizen Es gibt q gleitende durchschnittliche Matrizen, und einige können vollständig aus Nullen zusammengesetzt sein. Es ist ein konstanter Vektor linearer Trendtrennungskoeffizienten, wobei n Elemente. xt ein r - by-1-Vektor ist, der exogene Terme repräsentiert, wenn tr die Zahl von Exogene Serien Exogene Begriffe sind Daten oder andere ungemusterte Eingaben zusätzlich zu der Antwortzeitreihe yt Jede exogene Reihe erscheint in allen Antwortgleichungen. Generisch sind die Zeitreihen yt und xt beobachtbar Mit anderen Worten, wenn Sie Daten haben, stellt sie eine oder Beide dieser Serien Sie wissen nicht immer, die Offset c Trend Koeffizienten Koeffizienten autoregressive Matrizen i und gleitenden durchschnittlichen Matrizen j Sie möchten in der Regel diese Parameter auf Ihre Daten passen Schätzung für Möglichkeiten, um unbekannte Parameter zu schätzen Die Innovationen t sind nicht beobachtbar, zumindest In Daten, obwohl sie in Simulationen beobachtbar sein können. Econometrics Toolbox unterstützt die Erstellung und Analyse der VAR p-Modell mit Varm und zugehörigen Methoden. Lag Operator Representation. There ist eine äquivalente Darstellung der linearen autoregressiven Gleichungen in Bezug auf die Lag-Operatoren Die Verzögerung Operator L verschiebt den Zeitindex um eins zurück 1 Der Operator L m verschiebt den Zeitindex zurück nach m L mytyt m. In der Operatorform wird die Gleichung für ein SVARMAX pq-Modell. 0 i 1 pi L iytcxt 0 j 1 qj L j t. Diese Gleichung kann als geschrieben werden. Select Your Country. c ist ein konstanter Vektor von Offsets, mit n elements. i sind n - by-n Matrizen für jedes i Das i Sind autoregressive Matrizen Es gibt p autoregressive Matrizen, und manche können ganz aus Nullen bestehen. Es ist ein Vektor von seriell unkorrelierten Innovationen, Vektoren der Länge n Die t sind multivariate normale zufällige Vektoren mit einer Kovarianzmatrix. j sind n - by - n Matrizen für jedes j Die j sind gleitende mittlere Matrizen Es gibt q gleitende durchschnittliche Matrizen, und einige können vollständig aus Nullen bestehen. Es ist ein konstanter Vektor von linearen Zeit-Trendkoeffizienten, mit n elements. xt ist ein r - by-1-Vektor, der repräsentiert Exogene Ausdrücke zu jedem Zeitpunkt tr ist die Anzahl der exogenen Reihen Exogene Terme sind Daten oder andere ungemusterte Eingänge zusätzlich zu der Antwortzeitreihe yt Jede exogene Reihe erscheint in allen Antwortgleichungen. Generisch sind die Zeitreihen yt und xt beobachtbar Mit anderen Worten , Wenn Sie Daten haben, stellt es eine oder beide dieser Serien dar. Sie wissen nicht immer den Offset c Tendenz Koeffizienten Koeffizienten autoregressive Matrizen i und gleitende durchschnittliche Matrizen j Sie möchten in der Regel diese Parameter auf Ihre Daten passen Schätzung für Möglichkeiten, um unbekannt zu schätzen Parameter Die Innovationen t sind nicht sichtbar, zumindest in Daten, obwohl sie in Simulationen beobachtbar sind. Econometrics Toolbox unterstützt die Erstellung und Analyse des VAR p-Modells mit Varm und zugehörigen Methoden. Lag Operator Representation. Es gibt eine gleichwertige Darstellung der Lineare autoregressive Gleichungen in Bezug auf die Lagoperatoren Der Lagoperator L verschiebt den Zeitindex um einen L ytyt 1 Der Operator L m verschiebt den Zeitindex zurück um m L mytyt m. In der Operatorform wird die Gleichung für ein SVARMAX pq-Modell . 0 i 1 p i L i y t c x t 0 j 1 q j L j t. Diese Gleichung kann wie folgt geschrieben werden. Wählen Sie Ihr Land aus.