[发明专利]一种基于ARMA和ANN的混合动态故障预测方法

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。

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。