局部自回归模糊模型及其在小样本数据系统建模中的应用

提出一种基于 Takagi- Sugeno模型 (TS模型 )结构的局部自回归模糊模型 (L ARF模型 ) ,将其用于小样本数据情况下的系统建模。深入分析 LARF模型的结构特征、前件的选取、后件参数的辨识及其评价指标等 ,并提出了完整的模型辨识算法。该建模方法从一维的角度来考虑输入输出空间 ,减少待辨识参数的个数 ,同时采用一种具有两个调节参数的隶属函数 ,在求隶属度的同时完成了数据处理 ,从而可以省略数据预处理的工作。实例研究表明 ,LARF模型是一种适合用来描述小样本数据系统的模型 。

基于参数化降阶模型的非线性气动弹性高效分析

针对非线性气动弹性分析时需要在时域求解多个流场参数条件下结构运动方程而造成的计算消耗过大的问题,提出了一种适用于参数变化时非定常流场高效计算的参数化降阶模型,不仅可以应用于计算机翼等结构的总体气动力还可以得到每个时刻的结构表面的流场数据分布,并成功应用于典型机翼的跨声速颤振边界的计算,大大地提高了计算效率.结果显示,单流场条件时降阶模型的计算速度比直接使用时域分析方法提高了3倍;在计算多流场参数条件下,参数化降阶模型相比于使用单流场降阶模型计算速度提高了3.5倍,相较于时域分析方法提高了10倍.

一种基于主元递归分析法的多模糊逻辑系统的组合形式

根据多个模型相加可以提高整体预测精度和鲁棒性的思想,提出了一种具有递阶特点的模糊逻辑模型.该模型采用基于山峰函数的减法聚类算法,将样本数据集分成多组来进行局部模糊模型的建立和训练,大大提高了组合模糊逻辑模型的训练效率.各局部模糊系统的预测输出通过主元递归分析法(PCR)连接,解决了模型之间的严重相关性问题,增强了模型的预测能力,提高了模型的鲁棒性.仿真结果表明,组合多个模糊逻辑模型能够达到比局部模型更好的建模效果,并能有效地改善模型的预测能力和泛化能力.

LLNFM与RBR融合的生料分解过程工况辨识模型

针对水泥生料分解过程中易煅烧工况、难煅烧工况和异常工况不能及时准确判断的难题,将局部线性神经模糊模型和规则推理相结合,提出了基于局部线性神经模糊模型和规则推理的工况识别模型。局部线性神经模糊模型预测预热器C5出口温度,规则推理使用输入变量判断当前工况。该模型已经成功应用到某水泥厂水泥生料分解过程,降低了预热器C5下料管堵塞的概率。