基于深度神经网络的RUL预测模型结构比较复杂,不能很好地满足中长期预测任务的要求。为了更好地利用时间信息,设计一种基于时间卷积网络(TCN)的轴承RUL预测模型。以振动信号的频谱特征作为输入,利用因果膨胀卷积结构提取频域特征并捕获长期依赖,从而实现对轴承准确的RUL预测。为了进一步说明所提方法的优越性,将所提方法与卷积神经网络(CNN)、门控循环单元(GRU)进行了对比。结果表明所提出的TCN模型的RUL预测精度优于其他现有方法,具有较高的精度。

磨齿机机械手电力变压器设备故障状态众多,需要有监督约束分类条件,但约束条件过多导致关联性无法确定。采用时间序列与滑动窗口对磨齿机自动化装料机械手电力变压器在线运行状态监测数据进行过滤,标记异常状态的发生时间及类型,构建候选异常状态参量集合的甄别模型;运用无监督聚类方法简化异常状态参量之间的关联关系,避免参量间关联性无法确定的问题,运用滑动窗口和聚类算法线检测,使之适用于设备运行状态在线监测数据流,实现在线监测数据流中异常的快速检出。实验结果表明这里方法能够在线检测出磨齿机机械手电力变压器设备所存在的隐患,相较于传统的人工检测和停电试验的方法,更加实用、有效。

当前齿轮破损图像识别未拟合周期性动作捕捉数据,导致齿轮破损图像的识别效率较低,图像边缘轮廓中细节信息丢失,造成识别误差较大、识别效果较差。提出基于函数型数据时间序列建模的齿轮破损图像识别方法,通过小波变换方法提取齿轮破损图像中存在的低频成分,做双直方图均匀化处理,采用高斯高通滤波器提取齿轮破损图像中存在的高频成分,增强齿轮破损图像中存在的细节信息,利用函数型数据分析方法拟合动作捕捉数据,根据获取的数据构建周期时间序列,获得隐马尔可夫模型,通过最大似然估计函数,计算获得测试模型与样本之间的匹配度,实现齿轮破损图像的识别。实验结果表明,所提方法的识别误差较小,识别效果较好,能够有效提高齿轮破损图像的识别效率。

提出了对弹性体非线性振动系统参数辨识与预测的一种时域模型法.它可视为时间序列分析中的AR模型法在非线性领域内的一种推广.该方法首先将非线性振动系统中的非线性恢复力和非线性阻尼力用某一函数级数(例如幂级数)表示,然后,先用线性模型来逼近原系统,应用线性系统辨识方法确定系统阶次,再确定系统中非线性恢复力、阻尼力的结构,建立非线性模型并辨识各项参数,最后进行预测.算例表明,用该方法建立的模型能够较好地反映系统的非线性特性,并能提高模型预测的准确性.

利用天津GPS连续观测资料，对“框动”问题进行了探讨，通过比较削弱与不削弱“框动”影响所得到的结果发现：削弱后观测值的白噪声大约是削弱前的1／2—2／3；除白噪声以外，同时，也发现非随机噪声也是“框动”的重要组成部分。

从时频分析角度出发，探讨利用小波分析与LSSVM模型作滑坡变形预测。其步骤为利用小波变换把变形时间序列分解成具有不同频率特征的分量，再对重构后的近似序列和细节序列分别利用LSSVM进行预测并将结果融合。实例结果表明，基于小波分析与LSSVM的滑坡变形预测方法预测精度高于GM（1，1）、AR和单一的LSSVM方法。

时间序列分析是概率统计学的一个重要组成部分，现在从经济到工程技术，为了得到时间序列分析预测，对时间序列分析、预测、比较都具有重要的理论意义和实际应用价值。选取两种有代表性的数据，利用Visual C＋＋实现了三种时间序列预测方法：移动平均法、指数平滑法和最小二乘法，并通过图表以及相关的误差分析，详细地比较了三种方法的特点和适用范围，从而既可以从直观上了解三种方法的共同点以及不同点，又可以从误差分析的数据中了解各种方法适合于分析预测哪种类型的数据。

回顾了近年来汽车理论研究和道路谱分析领域中路面不平度的理论研究和发展现状。根据研究方向不同，分别从理论研究、试验分析和工程应用三个方面进行讨论。理论研究主要从路面不平度的定义出发，分析了其数学模型的研究进展；试验分析包括路面不平度测试测量技术的发展和不同类型试验分析与仿真计算的研究状况；路面不平度的工程应用主要针对其在汽车和道路各个方面的应用进行了讨论。综合论述了路面不平度的原理、特点及其在工程中的应用，最后还特别针对利用中国典型道路的路面不平度数据进行汽车设计与开发进行了阐述，并对路面不平度的研究前景进行了探讨和展望。

研究液压系统的一种新的故障检测方法，利用时间序列双谱分析实现调速阀故障诊断．根据实验分析，调速阀正常工作和出现故障时采集的振动信号的双谱存在明显的差异，由此可知，时间序列双谱分析是实现液压元件故障检测的一种有效方法．

以连扎机组动力系统中的液压泵为研究对象,根据Takens延时法对单变量时间序列进行相空间重构,用G-P算法计算时间序列的关联维数,研究了时间延迟和嵌入维数的取值范围,分析了关联维数与复杂系统动态变化之间的关系,并给出了初步的诊断分析,取得了初步成效.