Nonlinear Autoregressiva Glidande Medelvärde Med Exogena Ingångar

Icke-linjär modellering och identifiering av protonbyte membranbränslecell PEMFC. Shan-Jen Cheng a. Jui-Jung Liu ba Institutionen för flygteknik, Army Academy ROC, Taoyuan, Taiwan, ROC. b Institutionen för multimedia Mobilhandel, Kainan University, Taoyuan, Taiwan, ROC. Received 10 December 2014 Reviderad 14 april 2015 Accepterad 15 maj 2015 Tillgänglig online 18 juni 2015. Tid-frekvensdomän NARAMX-metoden är anställd i PEMFC. Tid-domänmodell ger långsiktig förutsägbarhet och god representation av dynamiken. Frequency - domän-tillvägagångssättet visar det inre tvärkopplade olinjära beteendet. Metoden kan effektivt och icke-destruktivt modellera och identifiera PEMFC. Den olinjära autoregressiva rörliga genomsnittsmodellen med exogena ingångar NARMAX-metoden används för att analysera tidsfrekvensdomäner för protonbytet membranbränsle cell PEMFC-system Den tidsdomena icke-linjära NARMAX-modellen av PEMFC-systemet modelleras från uppmätta experimentella ingångs - och utgångsdata. Utgångarna Erhållen genom att använda tidsdomänen NARMAX-modellen bekräftades genom modellvalideringsprov som jämför modellens prediktiva utgångar med faktiska systemutgångar i en interaktiv miljö. Detta ger ett potentiellt icke-destruktivt verktyg för modellering av ett icke-linjärt PEMFC-system. Sedan är den generaliserade frekvensen responsfunktion GFRF är anställd i frekvensdomänen, som beräknas direkt från tidsdomänen NARMAX-modellen, för att ge information om typerna av olinjäriteter i en PEMFC Analysen visade att tidsdomänmodellen ger bättre parameteruppskattning och en bra prognosförmåga Frekvensdomänresponsfunktionen överensstämmer med de faktiska reaktionsmekanismerna. Resultaten illustrerar att tidsfrekvensdomänen NARMAX-tillvägagångssätt kan användas effektivt vid modellering och identifiering av PEMFC-systemet. Linjärt modelleringsfrekvensrespons. Fig. 1 Fig. 2 Fig. 3. Tabell 1 Fig 4 Fig 5 Fig 6 Fig 7 Fig 8.Tabel 2 Fig 9 Fig 10 Fig 11.Korresponderande författare Tel 886 3 4371874.Crown copyright 2015 Publicerad av Elsevier Ltd Alla rättigheter reserverade. En hybrid av olinjär autoregressiv modell med exogen inmatning och autoregressiv glidande medelmodell för långsiktig maskinstatistikprognos. Hong Thom Pham. Van Tung Tran. School of Mechanical Engineering, Pukyong National University, San 100, Yongdang-dong, Nam-gu, Busan 608-739, Sydkorea. Tillgänglig online den 15 oktober 2009.Det här dokumentet presenterar en förbättring av hybrid av olinjär autoregressiv med exogen inmatning NARX-modell och autogegrativ glidande ARMA-modell för långsiktig maskinstatistikprognos baserat på vibrationsdata I denna studie anses vibrationdata som en kombination av två komponenter som är deterministiska data och fel. Den deterministiska komponenten kan beskriva maskinens nedbrytningsindex, medan felkomponenten kan avbilda utseendet på Osäkra delar En förbättrad hybridprognosmodell, nämligen NARX ARMA-modellen, utförs för att få prognosresultaten i w vilken NARX-nätverksmodell som är lämplig för olinjär problem används för att prognosera den deterministiska komponenten och ARMA-modellen används för att förutsäga felkomponenten på grund av lämplig förmåga i linjär förutsägelse. De slutliga prognosresultaten är summan av resultaten från dessa enskilda modeller. Utförandet av NARX ARMA-modellen utvärderas sedan genom att använda data för lågmetankompressor som förvärvats från tillståndsövervakningsrutinen. För att bekräfta framstegen för den föreslagna metoden är en jämförande studie av prognosresultaten erhållna från NARX ARMA-modellen och traditionella modeller också utförda De jämförande resultaten visar att NARX ARMA-modellen är enastående och kan användas som ett potentiellt verktyg för att bearbeta statliga prognoser. Utanriktad rörlig genomsnittlig ARMA. Nonlinär autoregressiv med exogen inmatning NARX. Långsiktiga förutsägelser. Maskinstatistikprognoser. Fig 1 Fig 2 Fig 3 Fig 4.Table 1 Fig 5 Fig 6 Fig 7 Fig 8 Fig 9 Fig 10.Table 2 Fig 11 Fig 12.Table 3 Fig 13 Fig 14.Korresponderande författare Tel 82 51 629 6152 fax 82 51 629 6150.Binary partikel swarm optimering struktur urval av olinjärt autoregressivt glidande medelvärde med exogena ingångar NARMAX modell av en flexibel robot arm. T1 - Binär partikel swarm optimering struktur urval av olinjära autoregressiva glidande medelvärde med exogena ingångar NARMAX-modell av en flexibel robotarm. AU - Yassin, Ihsan Mohd. AU - Ali, Megat Syahirul Amin Megat. AU - Tahir, Nooritawati Md. AU - Abidin, Husna Zainol. AU - Rizman, Zairi Ismael. N2 - Det icke-linjära auto-regressiva rörliga medelvärdet med exogena ingångar NARMAX-modellen är en kraftfull, effektiv och enhetlig representation av en rad olika icke-linjära modeller. Modellerna bygger på strukturval och parameteruppskattning, som samtidigt kan utföras med hjälp av de etablerade Orthogonal Least Squares OLS-algoritmen Men flera kritik har riktats mot OLS för sin tendens att välja överdrivna eller suboptima termer som leder till n Onparsimoniska modeller Detta dokument föreslår tillämpningen av BAR-algoritmen för binary particle swarm för strukturval av NARMAX-modeller. Urvalsprocessen söker efter den optimala strukturen med binära bitar för att acceptera eller avvisa villkoren för att bilda den reducerade regressormatrisen. Byggandet av modellen är klar genom att först estimera NARX-modellen fortsätter man med uppskattningen av MA-modellen baserat på de residualer som produceras av NARX One Step Ahead OSA-prediktion, Mean Squared Error MSE och resthistogramanalys utfördes för att validera modellen. Den föreslagna optimeringsalgoritmen testades på Resultaten från Flexible Robot Arm FRA-databasen visar framgången för BPSO-strukturvalet för NARMAX när den tillämpas på FRA-dataset Den slutliga NARMAX-modellen kombinerar NARX - och MA-modellerna för att producera en modell med förbättrad prediktiv förmåga jämfört med NARX-modellen. AB - Den icke-linjära Auto-regressivt rörligt medelvärde med exogena ingångar NARMAX-modellen är en kraftfull, eff Icient och enhetlig representation av en rad olika icke-linjära modeller Modellen s konstruktion innefattar strukturval och parameteruppskattning, som kan utföras samtidigt med den etablerade Orthogonal Least Squares OLS-algoritmen. Men flera kritik har riktats mot OLS för dess tendens att välja överdriven eller Suboptimala termer som leder till icke-parsimoniska modeller Denna uppsats föreslår tillämpningen av BPSO-algoritmen för strukturval av strukturval av NARMAX-modeller. Urvalsprocessen söker efter den optimala strukturen med binära bitar för att acceptera eller avvisa villkoren för att bilda den reducerade regressormatrisen Byggandet av modellen görs genom att först estimera NARX-modellen och fortsätter sedan med uppskattningen av MA-modellen baserat på de residualer som produceras av NARX One Step Ahead OSA prediction, Mean Squared Error MSE och resthistogramanalys utfördes för att validera modellen The Föreslagen optimeringsalgoritm var tes ted på Flexible Robot Arm FRA dataset Resultat visar framgången med BPSO strukturval för NARMAX när den tillämpas på FRA dataset Den slutliga NARMAX modellen kombinerar NARX och MA modellerna för att producera en modell med förbättrad prediktiv förmåga jämfört med NARX modellen. JO - International Journal on Advanced vetenskap, teknik och informationsteknologi. T2 - International Journal on Advanced Science, Engineering och Information Technology. JF - International Journal on Advanced Science, Engineering and Information Technology.