[发明专利]一种基于ARMA和ANN的混合动态故障预测方法在审
申请号: | 201710140823.8 | 申请日: | 2017-03-10 |
公开(公告)号: | CN107085750A | 公开(公告)日: | 2017-08-22 |
发明(设计)人: | 盛山山;程韬波;李亚楠 | 申请(专利权)人: | 广东工业大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06F17/18 |
代理公司: | 广东广信君达律师事务所44329 | 代理人: | 杨晓松 |
地址: | 510062 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于ARMA和ANN的混合动态故障预测方法,包括步骤建立ARMA线性子模型和建立ANN非线性子模型,从而获得混合混合模型。与现有技术相比,本发明结合ARMA在捕捉时间序列线性部分方面的优点和ANN在预测非线性时间序列方面的优势,在预测过程中考虑实时数据对模型参数的影响,结合ARMA和ANN的预测过程,建立实时动态预测模型,避免单一模型各自的局限性。 | ||
搜索关键词: | 一种 基于 arma ann 混合 动态 故障 预测 方法 | ||
【主权项】:
一种基于ARMA和ANN的混合动态故障预测方法,其特征在于,包括步骤S1:根据样本数据的特点,对样本数据进行平稳化数据预处理,生成数据序列;S2:根据所述数据序列的自相关系数和偏相关系数的性质及AIC准则,估计数据序列的自回归阶数和移动平均阶数,确定数据序列的模型;S3:根据最小二乘法进行模型参数估计,确定当前时刻的观测值与历史时刻观测值和白噪声序列的关系;S4:使用所述数据序列校验所述模型是否达到精度,若否则转回步骤S2,直到得到合理的ARMA模型,进而得到静态多步预测误差;S5:将历史数据代入所述ARAM模型的预测方程,得到下一时刻的数据;S6:重复步骤S3‑S5进行L步预测,并将预测的数据加入数据序列;S7:如果进行L步预测时预测循环测速小于预测数据个数,则转步骤S8;否则,得到线性部分的预测结果,转步骤S9;S8:将实际观测值代入第L步预测值,作为时间序列,转步骤S3,进行下一次循环的L步预测;S9:实用所述静态多步预测误差,训练ANN模型,根据所述预测结果得到预测残差,作为ANN模型的时间序列数据,重复步骤S5‑S8,得到非线性部分的预测结果;S10:由所述线性部分的预测结果和非线性部分的预测结果,得到混合模型的预测结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710140823.8/,转载请声明来源钻瓜专利网。
- 上一篇:用于电火花穿孔机的电极结构
- 下一篇:一种机床切割夹具
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理