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。