建立了时变悬臂梁有限元模型,采用时序分析方法中的自回归滑动平均模型,即ARMA模型算法进行模态参数识别。重点分析了利用奇异值分解确定ARMA模型阶次的方法,提出了奇异值最小差值法和一种变阶次ARMA模型算法。结合分段ARMA模型算法对时变悬臂梁系统的模态参数进行识别。结论指出:从仿真分析的角度来看,分段ARMA模型算法对模型的前三阶固有频率的识别结果还是可信的,尤其是变化较明显的高阶固有频率。

轴频提取的前提是对信号频率有较高的估计精度,采用传统的FFT谱估计技术来获得高精度信号频率需要增加计算量;基于自回归-滑动平均ARMA模型的谱估计技术是一种现代高分辨谱估计技术,在小样本、低信噪比状态下具有很好的频率估计性能.文章将这种方法实用于对水下目标辐射噪声谐波频率进行估计,用仿真和实验分析了该方法的性能.

海洋浮标压力传感器结构复杂,长期受到海水侵蚀,传感器的测量误差问题频繁出现;采用时间序列分析方法建立了针对浮标压力测量误差的数学模型;首先采用游程检验法检验序列的平稳性,然后依据自相关函数和偏自相关函数的统计特性确定序列为自回归滑动平均混合模型,使用AIC准则和最小二乘法确定为ARMA（9,12）模型,最后通过MATLAB软件对浮标压力测量误差数据模型进行参数估计和适应性检验;结果表明,ARMA（9,12）模型是一种非常理想的数学模型,能够应用解决浮标压力测量误差的问题。

齿轮是重要的机械传动部件,齿轮的故障预测是设备故障诊断的重要研究内容之一。从故障诊断的角度可以将齿轮故障分为分布式故障和局部故障,分布式故障能量分布与啮合频率及其倍频有关,局部故障能量分布与齿轮轴旋转频率及其倍频有关。针对二者特征频率的差别,可以通过构建时序分析中的ARMA预测模型对定轴齿轮振动信号的频谱进行预测,然后结合预测值和当前值对齿轮故障进行预测。构建的预测模型具有较好的预测精度,预测结果可用于齿轮运行状态分析和故障预测分析,具有重要的应用价值。

齿轮传动作为机械传动主要形式之一,应用极为广泛,设备在高速运转下,一旦发生齿轮断齿故障将会带来巨大的经济损失以及人员伤害,为让损失降到最低,需要做到故障强度早知道,因此设备故障强度预测显得尤为重要。单通道预测方法由于获取振动信息不完善,导致预测结果一致性差,从而不能很好地实现故障强度的预测。通过全矢谱获得的频谱结构具有唯一性的特点,能够很好地弥补单通道的不足,在此基础上,将时序预测方法 ARMA模型与全矢谱技术相结合,提出了全矢-ARMA模型预测方法,并把该方法应用到齿轮断齿故障强度预测研究中。实验表明,该方法预测齿轮断齿故障强度结果与实际较吻合。

目前,我国大中型装备制造企业基本都使用大型单件的生产方式,由于制造装备的零件种类多,结构复杂,并且往往是面向订单进行生产,因此对于其订单的准确预测显得尤为重要.文中利用时间序列理论对装备制造企业的订单量建立模型进行分析,并通过解决实际问题对ARMA模型进行仿真.