一种确定自回归滑动平均模型最小阶次的新方法
2022-11-20
来源:爱问旅游网
第45卷第12期 西 安 交通 大 学 学报 Vo1.45 No.12 2011年12月 JOURNAL OF XI AN JIAOTONG UNIVERSITY Dec. 2011 一种确定自回归滑动平均模型最小阶次的新方法 邢铭宗 ,赵飞 ,姜歌东 。,梅雪松 。 (1.西安交通大学机械工程学院,710049,西安; 2.西安交通大学机械制造系统工程国家重点实验室,710049,西安) 摘要:针对经典Akaike信息准则(AIC)在模型定阶时缺少阶次范围下界而引起的模态遗漏问题, 根据稳态图和AIC准则,提出了一种ca回归滑动平均模型在模态参数辨识中的定阶方法.该方法 先利用稳态图能够鉴别真假模态的特点,进行各阶模态频率的估计和均值的求取,进而根据模态稳 定性判定准则计算出阶次范围下界,最后利用AIC准则确定最优的模型阶次.仿真结果表明,与经 典AIC准则相比,所提出的方法定阶后进行模态参数的辨识,不仅识别出了经典AIC准则遗漏的 第3阶模态参数(误差为0.18 ),而且使第1、2阶模态参数的精度分别提高了2.31 和6.31 . 对悬臂梁的模态实验结果表明:该方法不仅辨识出了经典AIC准则遗漏的第1阶模态参数,使其 误差仅为0.62 ,而且也大大提高了其他各阶模态参数的精度. 关键词:Akaike信息准则;自回归滑动平均模型;稳态图;模态参数 中图分类号:TBII4;O211.61 文献标志码:A文章编号:0253-987X(2011)12—0099—06 Novel Minimum Order Fixed Method for Autoregressive Moving Average Models XING Mingzong ,ZHAO Fei ,JIANG Gedong ,MEI Xuesong ,。 (1|School of Mechanical Engineering,xi an Jiaotong University,xi an 710049.China: 2.State Key Laboratory for Manufacturing Systems Engineering,Xi an Jiaotong University,Xi an 710049,China) Abstract:To address the missing mode of the classical Akaike information criterion(AIC)caused by the lack of lower bound a8 determining the model order,a novel autoregressive moving average model order estimation method based on the stabilization diagram and AIC for moda1 parameter i— dentification is proposed.Since stabilization diagram can distinguish true modes from the false ones,the initial moda1 frequencies and the modal frequency mean values are estimated and calcu— lated using stabilization diagram.Then the lower bound of the modal order is evaluated according to the modal stability criterion.And the optimaI model order is determined in the light of AIC. The simulation results show that the third—order missing mode in the classical AIC iS identified with error of 0.1 8 ,and the accuracy for the first-order and second-order modal parameters iS improved by 2.31 and 6.31 respectively.The experiments on a cantilever beam show that the proposed method makes up the first—order missing mode in the classical AIC with error of 0.1 8%, and the accuracy for the other order modal parameters iS perfect. Keywords:Akaike information criterion;autoregressive moving average model;stabilization diagram;modal parameter 为了提高数控机床的寿命及运行的稳定性,通 常在数控机床本体的设计过程中,考虑其部件及整 收稿日期:2011—04—25. 作者简介:邢铭宗(1986~),男,硕士生;姜歌东(通信作者),女,教授,博士生导师. 基金项目:国 家重点基础研究发展规划资助项目(2011CB706805);陕西省2009年重大科技创新专项资金资助项目(2009ZKC01—09). 网络出版时间:2011—10—08 网络出版地址:http:∥Ⅵ,、】lrw.cnki.net/kcms/detail/61.1069.T.20111008.0833.001.html 西安交通大学学报 第45卷 机模态参数(刚度、阻尼、固有频率等)与控制系统的 匹配特性,以避开共振区域,提高系统刚度.数控机 床在实际工况下的模态参数受工作环境及条件的影 响,与设计参数问存在着差异,而实际工况下的模态 据具体应用适当选取;r/(p,』\,)为惩罚项的系数. 根据惩罚项系数的不同,Akaike准则还包括 Bayesian信息准则(BIC)、修正的Akaike信息准则 (AIC( )、统一的信息准则(GIC).其中,AIC、B1C、 AICc、GIC准则的惩罚项系数分别为 r/(p,N)一2;r/(p,N)一ZN/(N—P—1) 参数,对数控机床的工作稳定性及加工精度有较大 影响.为了准确获得数控机床进给系统及机床的本 体模态参数,需要对数控机床本体进行实验模态分 析.一般情况下对服役状态下的数控机床进行模态 77( , )一lnN;CP,N)一『厂LI l r/(P,N)一般取为4. 1.2改进的A1C准则 在AIC准则中,rl(P,N)一2,则AI 准则的丽 实验较难对其进行模态激励,因此通常采用响应信 号的模态参数辨识方法. ARMA(autoregressive moving average)模型 数表示为 F(P,(7)一lna +2(p+q)/N ( ≤p~,q≤q …) (2) 是时间序列模型通用的形式,适合做采用响应信号 的模态分析,还可以利用ARMA模型对数控机床 进行实际工况下的实验模态分析,以辨识模态参数. 利用ARMA模型进行参数估计先要设定模型的阶 次,而阶次设定的优劣对参数辨识结果有很大的影 在经典AIC准则中没有阶次范围下界的限制, 为能辩识出所有模态,添加的下边界约束条件为 G( ,g)一1 +2(P+q)/N (p i ≤P≤p ,q i≤q≤ . ) f:{) 响,因此合理地确定模型阶次是准确建模的关键环 节.在模型的阶次确定方法中,目前应用较多的是 Akaike信息准则 j. 式中:P 。 、q 。 分别为ARMA模型自回归部分和滑 动平均部分的最小阶次.式(3)即为改进后的AIC 经典Akaike信息准则从数学角度考虑模型残 差的大小和阶次升高带来的不利影响,但缺乏对模 型的物理认识,在模态分析时,可能导致无法辨识出 所有模态,造成模态遗漏.考虑到模型的物理意义, 准则.与经典AIC准则相比,它给出了模型阶次的 下界,可以保证识别所有模态. 1.3确定模型阶次下界 目前,还没有确定模型阶次下界的方法。本文 阶次确定准则必须能够识别所有模态.在Akaike信 息准则中,模型阶次范围均没有下界,在应用中很可 据稳态图在模态分析中的应用,提出一种采用稳态 图来确定阶次下界的方法。 1.3.1稳态图原理在模态分析方面。稳态图的物 理意义非常明确,它能够鉴别真假模态,帮助确定模 型阶次的范围.假定模型具有不同的阶数.可以得到 相应于不同阶数的ARMA模型,逐次对各个阶次 能导致模型阶次的低估. 各种Akaike信息准则具有统一的形式,本文以 Akaike信息准则(AIC)为基础,提出一种确定最小 模型阶次的方法,该方法同样适用于Akaike信息准 则的其他形式.该方法利用稳态图能够鉴别真假模 态的特点,进行各阶模态频率初值的估计,以及均值 的模型进行模态参数辨识。再以模态参数为横坐标 阶次为纵坐标绘图,就得到了稳态图.在稳态图中. 真实模态和虚假模态都会出现,随着模型阶次的增 加,虚假模态将会越来越多,并且分布散乱。没有规 的求取,再根据模态稳定性判定准则计算出阶次范 围的下界,从而改进经典的AIC准则. 1理论基础 1.1经典AIC准则 律,而真实模态则始终保持稳定 ,利用这一特性. 稳态图可以更直观地识别真实模态与虚假模态. Peeters等[5 应用PolyMAX方法分析汽车激励的 实验数据,剔除了虚假模态,得出了清晰的稳态图. 因此,稳态图可以确定真实模态的个数,并能帮助确 定模型阶次的范围. (1) ,q≤q ) 根据ARMA模型的相关理论,Akaike信息准 则的统一形式为l[2 ] F(P,q)一ln +r/( ,N)(P+q)/N ( ≤ 1.3.2确定阶次范围下界根据稳态图的特性,本 式中:N为建模所用序列 的长度; 为ARMA 模型残差的方差;P、q分别为ARMA模型的自回归 和滑动平均 部分的阶次; ~、q 分别为ARMA 模型的自回归和滑动平均部分的最大阶次,可以根 文引入稳态图作为确定模型阶次下界的工具,用以 确定最小模型阶次,基本步骤如下. 步骤1模型阶次( ,q)由低到高,对响应信号建立 ARMA模型,估计模型参数.对于机械系统,AR http://www.jdxb.cn 第l2期 邢铭宗,等:一种确定自回归滑动平均模型最小阶次的新方法 MA模型自回归部分的阶次为2n, ( ≥1)为系统 2,3)为系统的各阶模态圆频率.取 =0.01,CO = 自由度的个数.ARMA模型的建立采用工程应用最 100 rad/s; 一O.02,CO2—200 rad/s; 一0.02,CO3— 广泛的(2n,2n~1)方案[ ,即建立P为2 、q为2以 300 rad/s.利用∞===2=f得到系统的各阶模态频率 1的ARMA模型.利用ARMA模型的模态参数 f】一15.92 Hz,.厂2—31.83 Hz, =47.75 Hz.对 辨识方法计算不同阶次下的各阶模态频率,并制作 系统的输出信号进行采样(见图2),采样频率为200 出稳态图. Hz,采样点数为1 010.对输出信号建立ARMA模 步骤2在稳态图中,稳定极点的横坐标都保持在 型,识别模型参数和模态频率,建立的稳态图如图3 某一个频率附近,它们在竖直方向上排列整齐,形成 所示. 一条近似与横轴垂直的竖线.稳态图上出现的由稳 定极点所形成的竖线的条数即为可以辨识的模态阶 数m,各条竖线所对应的横坐标值则为各阶模态频 率的估计值 ( 一1,2,…,m).设各阶模态的频率 阈值为 ( ===1,2,…, ), 的取值为0.01~O.05, 具体可根据剔除虚假模态后稳态图的清晰程度作适 当调整.为了防止剔除真实模态, 可适当取较大的 值_7],若(1 一 1/ )> ,则该频率视为虚假模 态,予以剔除,否则保留. 图2振动系统仿真模型的输出信号 步骤3计算剔除虚假模态后不同阶次下模态频率 的均值fi( 一1,2,…, ),求取不同阶次下模态频率 的均值,即i. 一 1/. .同时,根据模态稳定性判定 准则,设各阶模态的频率容差[。 £一1 . 步骤4模型阶次(P,q)由低到高进行搜索,当各阶 计算模态频率与频率均值之差都在频率容差范围 内,即(J 一 I/ )<e时,则停止搜索,当前( ,g) 值即为最小模型阶次,记为(P ,q ). |/Hz 2仿真与分析 图3振动系统的稳态图 为对比本文提出的模型定阶方法与经典AIC 从图3中确定模态个数为3,初步估计各阶模 信息准则所辨识的模态参数的精度,本文以一个六 态频率分别为15.9、31.9和47.7 Hz.设各阶模态 阶振动系统为例进行仿真和分析,其仿真模型框图 频率.厂的阈值分别为0.03、0.03、0.04,剔除虚假模 如图l所示. 态,计算出各阶模态频率的均值分别为l5.92 Hz、 31.84 Hz、47.59 Hz.设各阶模态频率的容差为 1 ,阶次由低到高开始搜索,当P===6时,各阶模态 Fi( ) ( ) 频率都在频率容差范围内,即 ===6,最大模型阶 次取稳态图中的最高阶次 一60.计算不同阶次 R(s):系统单位脉冲输人的拉氏变换;F0(s):系统输出的拉氏 下的G(P,口),结果如图4所示. 变换;G(s):系统的传递函数; (s):白噪声干扰的拉氏变换 根据计算出的G(P,q)(见图4),利用经典AIC 图1振动系统仿真模型框图 准则确定出的最佳模型阶次为4,而利用本文改进 仿真系统的传递函数 的AIC准则确定出的最佳模型阶次为6.根据这些 模型阶次,利用ARMA模型进行模态参数辨识,并 G(s)一 S +2 ̄1 col S+ }5。+2F2w2s+ ; 将辩识结果与理论值进行了对比(见表1). 1 利用经典AIC准则将阶次P定为4,而仿真模 s +2 叫3S+ i 型的理论阶次为6.经典AIC准则定阶后,利用AR— 式中: ( 一1,2,3)为系统的各阶阻尼比;叫 ( —l, MA模型模态参数辨识方法可识别出系统的第1、2 http://WVCW.jdxb.CI1 西安交通大学学报 第4j卷 O 为0.05 ,失真度小于0.5 . 根据文献[9],悬臂梁的前4阶理论模态频率 一 O 1 1 2 2 一( )” 。 2 4 一3 3 4 4 式中:al一3.516;a2—22.03;d3—61.70;d4— 120.9;J为梁横截面的惯性矩.利用 一‘2丌,计算 出悬臂梁各阶模态频率的理论值,分别为,、 一 57.82 Hz, :364.71 Hz, 一1 014.7 Hz,_厂I一 —图4 G(p,q)值随模型阶次的变化曲线 1 988.3 Hz.对悬臂梁的响应信号进行测试,信号的 采样点数为2 510,采样频率为5 000 Hz,结果如图 6所示. 表1不同准则识别的模态频率比较 阶 计 误差/ 误差/ 47.75 准则 估计值理论值… 估计值理论值…~ 经典AIC 33.89 31.83 6.49 改进的AIC 31.88 31.83 0.18 47.84 47.75 0.18 阶模态频率,识别误差分别为2.37 和6.49 ,但 不能识别第3阶模态频率.利用本文提出的结合稳 态图的AIC准则估计的模型阶次为6,与理论值相 等,识别第1、2阶模态参数的误差分别为0.06 、 0.18 ,比经典AIC准则的识别误差分别减小了 图5悬臂梁模态实验台 对悬臂梁的输出信号建立ARMA模型,其阶 次由低到高,利用ARMA建模方法估计模型参数, 2.31 、6.31 .同时,本文方法较精确地识别出了 系统的第3阶模态频率,辨识误差为0.18 .因此, 根据本文提出的结合稳态图的AIC准则解决了经 典AIC准则的模态遗漏问题,从而提高了ARMA 并用模态参数辨识方法识别出模态频率,建立的稳 态图如图7所示. 模型模态参数的辨识精度. 3实验结果与分析 为了更进一步验证本文所提出方法的有效性, 构建了模态实验中常用的悬臂梁模态实验台,如图 5所示.悬臂梁试件材料采用45钢,横截面为矩形, 其长L=0.535 1TI,宽、高分别为B×H=0.012 mX 0.002 In.试件的弹性模量E=206 GPa,泊松比 一 0.3,材料密度J0—7 850 kg/m。.测试中采用力锤敲 州叫 图6悬臂梁的响应信号 从稳态图中确定模态阶数为4,初步估计的各 阶模态频率分别为56、365、986和l 898 Hz,设定 各阶模态频率的阈值分别为0.03、0.03 0.04和 0.04,剔除了虚假模态,计算出的各阶模态频率均值 分别为55.03、364.13,984.91和1 904.1 Hz.设 击作为脉冲激励源进行激励,并采用压电式加速度 传感器对试件的响应信号进行拾取. 采用Kistler公司的8702B100M1加速度传感器, 其灵敏度为49.81 mV/(ITI・S ),量程为±1 000 定各阶模态频率的容差为1 ,阶次南低到高开始 搜索,当 一16时,各阶模态频率都在频率容差范 围内,即Pmi, ̄一16.最大模型阶次取稳态图中的最高 模型阶次60.计算不同阶次下的A 值,如图8 所示. m/s ,频率范围为0.5~10 kHz.采集系统采用东华 DH一5927动态信号测试系统,通道数为l6,最大采 样频率为256 kHz,系统的准确度小于0.5 (满量 程测试),系统每小时的稳定度小于0.05 ,线性度 http://www.jdxb.cn 第l2期 邢铭宗,等:一种确定自回归滑动平均模型最小阶次的新方法 103 {/Hz 图7悬臂梁的稳态图 图8 G(p,q)值随模型阶次的变化曲线 如表2所示,分别用经典AIC准则和结合稳态 图的AIC准则估计模型阶次,辨识模态参数,并和 理论值相对比.从表2可以看出,利用经典AIC准 所遗漏的模态参数,而且提高了其他各阶模态参数 的辨识精度. 参考文献: Eli、LIANG Gang,WILKES D M,JAMES A C.ARMA model order estimation based on the eigenvalues of the 则定阶后,进行模态参数辨识,遗漏了第1阶模态参 数,第2、3、4阶模态频率的识别误差分别为 0.74%、3.00 和4.55 .利用本文提出的结合稳 态图的AIC准则定阶后,识别第2、3、4阶模态参数 的误差分别为0.64 9/6、2.96 和4.40 ,均小于经 典AIC准则的识别误差.同时,本文方法较精确地 识别出了经典AIC准则所遗漏的第1阶模态频率, covariance matrix I-J].IEEE Transactions on Signal Processing,1993,41(IO):3003—3009. ] ][2-1 STOICA P,SELEN Y.Modeborder selection:a re— view of information criterion rules EJ].IEEE Signal Processing Magazine,2004,21(4):36—47. [3-1 HANNAN E J.The estimation of the order of an AR— 辨识误差为0.62 .因此,根据本文提出的结合稳 态图的AIC准则不仅解决了经典AIC准则的模态 遗漏问题,而且提高了ARMA模型模态参数的辨 识精度. MA process[J].The Annals of Statistics,1980, 8(5):1071-1081. E4] SCIONTI M,LANSLOTS J P.Stabilisation dia— grams:pole identification using fuzzy clustering tech— niques[J].Advances in Engineering Software,2005 表2不同准则所识别的模态频率的比较 r 5](36):768—779. PEETERS B,VAN DER AUWERAER H, GUILLAUME P,et a1.The polyMAX frequency-do— main method:a new standard for modal parameter es— timation?[J].Shock and Vibration,2004,11(3/4): 395—409. 杨叔子,吴雅,轩建平,等.时间序列分析的工程应用 计准则 篡—— 兰 ~误差/ —— ~误差/ 估计值理论值 经典AIC [M].武汉:华中科技大学出版社,2007:266—269. HEYLEN W,LAMMENS S,SAS P.Modal analysis 估计值理论值 984 1 015 3.O0 1 898 1 988 4.55 theory and testing[M].Leuven,Belgium:Katholieke Universiteit Leuven,1997:195-196. VAN DER AUWERAER H,PEETERS B Discrimi- 改进的MC 985 1 015 2.96 1 901 1 988 4.40 4结论 nating physical poles from mathematical poles in high order systems:use and automation of the stabilization 经典的AIC准则仅从数学模型考虑模型阶次, 而未考虑研究对象的物理意义,由于没有模型阶次 diagram[c]//Proceedings of the 21st IEEE Instru— mentation and Measurement Technology Conference. 范围的下界,因此导致了模态参数的遗漏和辨识结 Como,Italy:IMTC,2004:2193-2198. 果的可信度不高.本文提出了一种利用稳态图确定 阶次范围下界的方法,改进了经典AIC准则.仿真 和实验结果表明:由本文所提的方法确定模型阶次 后进行模态参数辨识,不仅识别出了经典AIC准则 CHOPRA A K.Dynamics of structures:theory and applications to earthquake engineering rM].Berkeley, USA:Pearson Prentice Hall,2007:635—637. (编辑管咏梅) http://www.jdxb.cn