基于傅里叶变换的质量预测动态残差修正模型.pdf

万方数据基于傅里叶变换的质量预测动态残差修正模型甘丽珍蒋增强葛茂根合肥．业大学学报匀豢蒲О张铭鑫刘明周32620096Ming-zhoumodel(CFGM(11))isCFGM(11)has目前质鼍顶测通常依赖于诸多经典模型如AR(Autoregressive)统理论等。这些建模理论在实际生产中得到了很好的应用但也存在难以避免的缺陷。如多项式模型适合具有增长趋势的非平稳时间序列；GUASS13模糊理论要根据先前的经验确定隶属函数和隶属度带有主观性；神经网络理论需要采集训练样本这对当前多品种、小批量的制造业难以实现。V0132Jun2009摘要：针对生产过程中的动态性和预测的非零误差性在传统灰色模型的基础上遵循数据“重近轻远”的原则综合数据新陈代谢动态反映系统目前特征和傅里叶变换强大的降噪功能的优势提出循环傅里叶修新陈代谢模型并给出相应的步骤和算法。该模型通过傅里叶变换对新陈代谢模型的MatlabCFGM(11)在线控制提供了有利条件。关键词：质量预测；灰色模型；傅里叶变换；残差修正THl61A1003-5060(2009106080605AbstractTheamendment琣givenUnlikemodel(11)this瑆improvedAemulatorandhighBesidesthis簈籉籩UNIVERSnYNo6(f230009)IA-zhen琣ofattaching保甌dataandprocessSO琣process；收稿日期：——1fr(070205D2)}}(1983)1刘明周男安徽六安人博士合肥工业大学教授博士生导师琀TechnologyHefei万方数据=[4=(BTB)-1∑！尼一／文献岢龌疑Ｐ停媚Ｐ徒鲂璞缡个足籲一旦一差修正补偿来提高预测精度而傅里叶变换提供(z)6807参数这虽然提高了建模与计算的速度但同时也限制了该模型只能反映局部信息对全局预测精度较低；而且从实际生产中采集的数据含有各种噪声模型没有去除大量彼此独立的微小随机误差项导致对系统误差预测能力高对随机误差预[1]针对传统灰色模型的上述特点本文建立了GM(11)(CFGM(11))数在控制过程中不断进行辩识和修正动态表征系统发展趋势将局部预测扩展到全局预测；并通过傅里叶变换强大的降噪功能将预测残差时间序列由时域转换到频域滤去反映数据噪声的高频段选择反映生产过程本质特征的低频段提高了对随机误差的预测能力补偿了预测误差使预测值向真实值逼近。通过对柱塞偶件的柱塞轴径预测使用仿真验证该模型取得了良好的预测效果。新陈代谢模型一般而言灰色模型预测可以看作是对实际生产数据的一种很好的曲线拟合。它将原始时间