Prony方法和经典的AR模型参数对模型中的应用…

资 源 简 介

Prony方法和经典的AR模型参数对模型中的应用…

详 情 说 明

当我们需要从振动信号中提取系统模态参数时，Prony方法和自回归（AR）模型是两种经典的时域分析工具。它们各具特点，在结构健康监测、机械故障诊断等领域有重要应用。

Prony方法本质上是一种拟合技术，它假设信号由多个衰减正弦波分量组成。通过求解特征方程获得系统的频率、阻尼比等模态参数。该方法对噪声敏感但能直接获取振动特性，特别适合处理自由衰减响应信号。

相比之下，AR模型将当前信号值表示为前若干时刻值的线性组合。其核心思想是用差分方程逼近系统动态特性。AR参数本身并不直接对应物理参数，需要通过进一步计算（如求系统极点）才能转换为频率和阻尼信息。

实际应用中常将两种方法结合：先用高阶AR模型对噪声信号进行预处理，再利用Prony法识别有效模态。这种混合策略能显著提高强噪声环境下的参数识别精度。需要注意的是，模型阶数选择直接影响结果可靠性——阶数过低会导致模态遗漏，过高则可能引入虚假模态。

在旋转机械故障诊断案例中，这种组合方法能有效分离轴承缺陷特征频率与邻近的谐波分量。其优势在于仅需短时程数据即可实现较高分辨率的参数估计，这对在线监测系统具有重要价值。