超声波声速测量的谱分析技术只需要产生和接收一次脉冲超声波，对超声波透射信号进行谱分析，即可得到材料声速，可以测量厚度较薄材料的声速，并且该技术可以广泛应用于自动化测量中。该技术既可应用于固体，也可应用于液体的声速测量。通过对铝板和钢板进行测量，并运用快速傅立叶变换和自回归模型进行谱分析，实验结果与理论分析结果一致。

简述了应用线性滤波法中的自回归模型（AR）模拟出给定风速功率谱的风速时程序列,并验证其与目标谱（Davenport谱）的一致性,再通过规范公式推导脉动风载与风速之间的关系,从而得到作用在各节点的脉动风荷载时程样本。以某42m高的通信塔架为原型进行了模拟计算分析,用有限元分析软件ANSYS建立其有限元模型,并用Matlab获取了塔架迎风面各节点上的风荷载时程信号作为动力输入。利用ANSYS对结构进行了模态分析,结果显示结构的前几阶振动均是平面振动,第3阶振动开始出现扭转模态和局部振动模态;同时,基于ANSYS时程分析方法计算了结构在脉动风载作用下的风振响应。结果表明,在仅考虑脉动风作用的情况下,本塔架结构顶部的水平位移低于规范规定的位移限值,但塔架截面变化拐点处的弦杆在风载作用过程中会产生较大应力,在塔架设计中予以注意。

以矢谱分析为基础,提出了一种针对双通道振动信号的分析方法--矢功率谱分析.从矢谱基础理论出发,证实了转子同一截面上互相垂直的任意两个通道在各频率响应下的能量总和为一定值这一结论,并以此为前提给出矢功率谱分析的表示方法,然后利用参数模型功率谱估计中的AR模型实现了双通道数据集成的AR功率谱估计;因计算过程较为繁琐,提出简化算法,对两个信号的处理可以同步进行,最后用C++Builder 5.0编程实现了这一分析方法,并用实际数据验证了其实用性.

流量是工业控制与生产中的一个重要参数.目前,涡街流量计应用相当广泛.但是,由于其工作原理的关系,它对外界的各种干扰非常敏感,使其现场测量精度大大低于实验室标定的精度.本文的主要目的是以数字信号处理的理论为基础,采用自回归模型谱估计的方法对涡街流量计的输出信号进行分析和处理,得出要测量的流量值.论文中分别采用计数的方法和自回归模型谱估计的方法进行实验.通过实验验证,自回归模型谱估计可以作为一种较好的方法,应用于处理流量计的输出信号,并且此方法得出的结果比脉冲计数方法得出的结果精度高.

针对滚动轴承在强背景噪声干扰下振动信号故障特征难以提取,以及实际运行中因故障样本缺乏而影响故障诊断准确性的问题,提出了基于固有时间尺度分解（Intrinsic Time Scale Decomposition,ITD）的AR模型振动信号特征提取,与支持向量数据域描述（Support Vector Data Description,SVDD）相结合的轴承故障诊断方法.首先用ITD将振动信号分解成一系列的固有旋转（Proper Rotation,PR）分量,然后对每一个PR分量建立AR模型,提取模型参数和残差方差构造特征向量,用以建立轴承正常运行的SVDD模型,并以振动信号特征向量偏离SVDD模型的程度来判断轴承的运行状态.将该方法应用于滚动轴承的故障诊断,实验证明了所提方法的有效性.

风荷载是脚手架抗风计算的主要设计荷载之一,对脚手架进行风速时程模拟可以更直观准确地了解脉动风作用下脚手架的动力特性。在考虑脚手架节点间风速时程的时间和空间相关性的基础上,选用Davenport谱和线性滤波法中的自回归(Auto-Regressive,AR)模型推导出四阶AR模型的参数表达式来模拟脚手架的风速时程。通过比较模拟风速功率谱与目标风速功率谱的吻合程度,实现了脚手架风速时程的精确模拟。对所得到的风荷载时程曲线进行分析,为实际工程中脚手架的风振分析提供了参考依据。

针对振动信号非平稳性和特征优化选择的问题,提出一种基于EMD和GA-PLS的特征选择算法。在该算法中,首先,采用EMD方法将振动信号分解成多个固有模态函数（Intrinsic Mode Function,IMF）,对IMF分量建立自回归（AR）模型,以AR模型系数和残差作为初始特征向量,然后,遗传算法与偏最小二乘法相结合（GA-PLS）的算法对初始特征向量进行筛选得到新的特征向量,最后,以新的特征向量为输入,建立分类器,用来识别手动换向阀的工作状态和判断故障类型。实验结果表明,采用该特征选择算法能准确地选择出特征,并能应用于手动换向阀的故障诊断。

为解决故障诊断中确定最优的自回归（AR）模型阶数的问题，运用最终预测误差（FPE）、阿凯克信息准则（AIC）、贝叶斯信息准则（BIC），以及奇异值分解（SVD）的切片法和Frobenius法共5种定阶方法对调速阀的故障进行自回归模型定阶实验．结果表明，FPE，AIC，BIC及SVD切片法确定的阶数较低，而用SVDFrobenius法确定的阶数较高．通过不同阶数、不同故障的调速阀故障诊断实验可知，用SVDFrobenius法建立的AR模型效果优于其他方法．

为了解决液压元件调速阀故障诊断难的问题，采用三谱及其切片分析的方法，针对调速阀阀体正常和故障时的振动信号，分别绘制出其双谱切片和三谱切片图．比较和分析结果表明，正常时，三谱二维切片的幅值在以2个频率构建的平面中心处为零，而故障时不等于零；从对角切片分析发现，三谱对角切片能表现出比对应的双谱更多的幅值信息．三谱能更有效地提取非线性信息，为获得故障特征提供有效的依据．

提出一种基于时间序列的自回归（AR）模型和支持向量机故障识别方法.以液压调速阀的故障识别为例,利用采集到的调速阀体的振动信号建立AR模型;然后,将AR模型自回归系数和残差方差组成的特征向量输入到支持向量机.最后,通过支持向量机完成对调速阀的正常和各种故障工况的分类识别.实验结果和分析表明,识别率不仅与核函数的选取有关系,而且与支持向量机参数的选取也有关系,以径向基RBF为核函数的识别率明显优于以多项式形式为核函数的识别率.