基于改进的引力搜索算法的T-S模型辨识

针对引力搜索算法在求解复杂问题时搜索精度较低、易出现早熟收敛的缺点。提出一个新颖的智能算法-基于基因突变的引力搜索算法来辨识T-S模型的参数,同时提出一种改进的聚类算法辨识T-S模型的结构,实验结果表明,改进算法辨识出的T-S模型结构紧凑、精度更高,且泛化能力强。

一种新的T-S模型混合辨识算法

提出一种新型混合辨识算法HIA,以解决传统T-S模型辨识方法中所存在的不完全优化问题,如FCM与最小二乘法相结合的辨识方法就存在这样的问题.HIA通过将FCM、和声搜索算法以及最小二乘法相结合,并引入了误差反馈机制,以实现对所有参数的整体优化,并避免陷入局部极小点.论文将HIA应用到陀螺稳定平台的T-S模型辨识中,通过与传统辨识方法比较MSE值可以看出,HIA能够获得更高的辨识精度.这表明,对于实际的非线性系统,HIA能够有效解决传统辨识方法的不完全优化问题.

基于BFO聚类算法的T-S模糊模型辨识

针对非线性系统的辨识问题,本文提出一种基于BFO聚类算法的T-S模糊模型辨识方法。首先通过BFO聚类算法自动地从已知的输入输出数据中确定模糊模型的结构和前件参数,然后用BFO算法估计模糊模型的后件参数。仿真结果表明,该方法辨识精度高,得到的模糊模型简单、模糊规则少,很好地解决了现有算法复杂、输入空间难以划分或者带来的高维问题等,因而具有很好的实用性和有效性。

基于SFLA聚类算法的T-S模糊模型辨识

针对非线性系统的辨识问题,本文提出一种基于SFLA聚类算法的T-S模糊模型辨识方法。首先通过SFLA聚类算法自动地从已知的输入输出数据中确定模糊模型的结构和前件参数,然后用SFLA算法估计模糊模型的后件参数。仿真结果表明,该方法辨识精度高,得到的模糊模型简单、模糊规则少,具有很好的实用性和有效性。

基于T-S模糊模型的航空发动机模型辨识

提出了一种航空发动机的Takagi-Sugeno(T-S)模糊模型辨识方法,该方法通过最小二乘法辨识模糊模型的后件参数,通过反向传播法辨识模糊模型的前件参数,并实现了模糊模型结构的自适应优化。以航空发动机机载记录数据为依据,通过对输入输出数据的学习建立了航空发动机的T-S模糊辨识模型,通过该模型对机载记录数据的辨识,结果表明该模糊辨识模型具有辨识精度高、鲁棒性强、容错性好等特点。

基于模糊神经网络的涡扇发动机状态监控模型研究

本文基于T-S模糊神经网络对涡扇发动机气路参数进行辨识,建立模型应用于发动机状态监控,帮助分析发动机是否发生故障。首先对试飞数据进行分析,剔除重复、相近的数据,缩减样本规模。针对输入维数较多、模糊系统规则数庞大的问题,采用减法聚类划分输入空间,提取模糊规则。利用未参与训练的试飞数据对辨识模型进行验证,结果表明模型输出与试飞数据相对误差不超过5%。在一段发生喘振的故障数据中推广,辨识模型能及时检测出发动机气路参数异常状况。

一种基于T-S模糊辨识的人体站立平衡系统建模方法

为了使被动平衡康复训练系统可以制定安全的训练强度和训练方式,本论文采用T-S模糊辨识方法建立了一种新的人体站立平衡系统数学模型。该模型以多维运动平台的运动加速度为模型输入,人体关节角度为模型输出。采用人工蜂群寻优算法改进模糊C-均值聚类算法,提高了辨识前件参数的效率。通过试验,采集了9位健康成年人的被动站立平衡调节数据,用于模型参数训练和模型结果验证。采用仿真结果和测量数据的均方差及互相关度,证明了所建模型是准确和合理的。

基于时变模型辨识的高速列车复合故障诊断

高速列车信息控制系统因运行条件异常变化或操作不当会造成电机警告级高温、电机电流异常变化、电机转子断条以及气隙偏心等运行故障.这些随机发生的复合故障会影响速度等级和牵引力/制动力的调节,且难以采用基于单故障诊断方法建模故障与速度的关系,以及诊断报警等级.对此,提出一种基于Takagi-Sugeno(T-S)时变模型辨识的高速列车复合故障诊断方法.首先,采用多元统计检测指标离线辨识故障阈值并建立复合故障时变模型;然后,借助模糊聚类算法辨识故障特征值集合,利用模糊加权最小二乘法在线估计故障幅值并进行参数收敛性分析.最后,设计故障分离机制以刻画不同故障模式的报警等级并给出稳定性分析.基于CRH5G型高速列车实际运行数据的仿真结果验证了所提出方法的有效性.