第7章变形的时序分析和频谱分析.pptVIP

第7章 变形的时序分析和频谱分析 § 7.1 时间序列分析法的基本理论 § 7.2 时间序列与灰色系统组合模型 § 7.3 频域分析方法 § 7.4 变形动态响应分析 § 7.5 变形时序分析的应用实例 § 7.1 时间序列分析法的基本理论 7.1.1 时间序列分析概述 时间序列分析是从具有先后次序的信号中提取有用信息的一门学科，在社会科学、自然科学和过程技术中具有广泛的应用。时间序列分析是一种动态数据分析和处理方法，它认为逐次的观测值是不独立的，可以用观测值之间的自相关性建立动态模型，从而利用已有的观测数据对未来数据进行预测。 动态数据的分析预处理，一般是直接由数据本身计算出其统计特征。例如数据的一阶矩与二阶矩。然而，由于一阶矩和二阶矩等统计特征的真值不可能获得，而由数据直接获得的估计一般是劣估计，这在数据较少时尤为突出，这种方法常称为非参数模型法。 从系统辨识的角度来看，有大量的系统无法采用分析法建立数学模型，人们对它的本质的机理也不了解。因此采用时间序列建模的方法可以克服上述困难，既可将观测到的时间序列作为系统的一维或多维的输入和输出，而将模型所描述的等价系统视为在于输出同维白噪声驱动下产生这一输出的系统。 7.1.2 数据的采集 建立建模所需离散的时间序列数据需要对原始数据进行采样。对于原始位移时间序列，由于采用的监测手段不同，得到的原始位移时间序列的形式不同，即离散的原始位移时间序列和连续的原始位移时间序列。对于原始离散时间序列有时也不需要使用样本长度内所有数据，存在确定采样时间间隔 与样本长度L问题。同样，对于连续的情况。 1.非等间隔离散位移时间序列的等间隔处理 对于离散的非时间序列，根据建模所需的时间间隔 将观测得到的非等间隔时间序列等间隔化，具体方法如下： 设原始时间序列为 （i=1，2，…，n（7-1） 则非等间隔位移原始序列各时段的实际间隔为 （7-2） 则可求出平均时间间隔 （7-3） 根据建模的需要也可以用确定的时间间隔 。 各时段的单位时段差系数 （i=1，2，…，n（7-4） 进一步求得总的差值 （i=1，2，…，n（7-5） 于是便得到等间隔时间序列 （i=1，2，…，n（7-6） 2. 非等间隔离散位移时间序列连续化问题 时间序列分析的基础数据一般是离散、等间隔的数据序列，人们对某些系统的观测数据虽然是离散数据，但对离散数据一般也需要重新进行采样。 时序分析中数据量很大，若想建立一个统一的插值函数以期反映整个系统的性质，比较困难，例如利用拉格朗日插值法，插值阶数很高时且在两端有非常严重的失真。 三次样条函数具有计算的稳定性、最佳逼近性和一致收敛性，在插值过程中具有很好的抗差能力，对于含有误差的数据序列进行插值处理很合适。 3. 连续位移时间序列采样间隔 的确定 在频域分析中。一个连续的信号x(t)可以分解为不同频率的谐波叠加，在考虑采样时间间隔 的大小时不致影响系统的输出信号的分辨率。因此，对于定长信 号来说，时域中的等分增多，时域的分辨率提高，时域的分析范围不变；与此相应，频域的分析范围提高了，但频域的分辨率并没有改变。 设x(t)中所感兴趣的频率成分频带范围为 至 ， 为x(t)中感兴趣频率成分的最高圆频率。根据著名的申农采集定律，不发生混频的条件是 又由于采样频率 则可以得到 由上式可以看出为了正确获得连续信号中的各种频率的有效成分的信息，在最高频率谐波的一个周期内至少采样两次。另外，在确定 取得过大时将影响信号的相关性；二是当 值选取的过小时，又会将高频噪声作为有用的信号。 7.1.3 原始离散数据中异常数据的剔