具有输入故障自适应能力的在线智能建模

摘要

在工程应用和经济问题分析中，系统辨识建模是应用分析的必不可少的一个步骤。在目前的绝大部分的文献资料中都是考虑系统绝对可靠的情况下就模型的拟合问题进行分析，极少看到相关的文献讨论模型在线运行后因输入变量出现故障后仍设法使模型具备自适应的能力从而使得系统有正确的输出的问题。论文就这个问题进行深入的研究和探讨。 论文分析了飞机油箱剩余油量模型的输入变量之间的多重相关性问题，以离线的方式和多种建模方法建立了系统的测量模型。其中离线方式建立的模型有普通多元最小二乘线性回归模型、向后删除变量筛选变量法建立的多元线性回归模型、偏最小二乘回归分析模型、经多种预处理减少输入变量后建立的自适应神经模糊推理系统模型(ANFIS)。并且从精度和复杂度上对这几种建模方式进行对比分析。 论文重点研究了模型在投入运行后的可靠运行问题。论文提出了几种诊断输入变量是否出现故障和输入变量的故障是否已经消除的算法，并且比较分析了这几种诊断算法的优缺点：论文也给出了几种应对输入变量故障的自适应调整模型系统从而保证系统仍能得到正确的输出的方法。并且把这些保障系统模型可靠运行的算法和方案综合应用于飞机油箱剩余油量的测量系统中。

目录

文摘

英文文摘

声明

第0章绪论

0.1系统辨识建模方法

0.2在线建模工程应用问题

0.3本文的主要内容

第一章建模方法论述

1.1数据表及其处理

1.1.1样本点空间

1.1.2变量空间

1.1.3数据的标准化处理

1.2线性回归分析

1.2.1多元线性回归模型

1.2.2模型参数最小二乘估计

1.2.3模型效果分析

1.2.4变量筛选方法

1.3偏最小二乘回归分析方法

1.3.1建模原理

1.3.2计算方法推导

1.3.3交叉有效性

1.4神经模糊建模

1.4.1模糊建模的一般步骤

1.4.2自适应神经模糊建模ANFIS的结构

1.4.3混合学习算法

1.5基于减法聚类的ANFIS模型

1.5.1减法聚类

1.5.2由聚类中心构造一阶Sugeno模糊模型

第二章多重相关性问题

2.1多重相关性的含义

2.2多重相关性的危害

2.3多重相关性的诊断

2.3.1经验式诊断方法

2.3.2方差膨胀因子

2.4多重相关性对在线建模的贡献

第三章飞机油箱剩余油量离线建模

3.1飞机油箱剩余油量测量任务概述

3.2飞机油箱剩余油量测量模型输入变量的相关性分析

3.2.1模型输入变量的相关系数分析

3.2.2普通多元线性回归模型系数受相关性影响分析

3.3筛选变量建立模型

3.4用偏最小二乘回归方法建立模型

3.5变量筛选后的基于减法聚类的ANFIS模型

3.6基于偏最小二乘回归与减法聚类的ANFIS模型

第四章输入变量故障的发生与消除诊断

4.1引言

4.2输入变量发生故障和故障消除的诊断算法

4.2.1根据输入变量本身的历史数据信息诊断

4.2.2以其他输入变量的当前数据和历史数据诊断

4.2.3故障消除的判断

第五章飞机油箱剩余油量在线可靠测量建模

5.1不同诊断模型的比较

5.2测量模型的修正调整

5.3飞机油箱剩余油量的在线测量建模

总结与展望

参考文献

结束语