LOLIMOT模型在CNG发动机NO_(x)排放预测试验中的应用

为解决在选择性催化还原技术(selective catalytic reduction,SCR)的控制策略开发中局部线性模型树(local linear model tree,LOLIMOT)排放模型预测精度不足的问题,提出一种通过优化空间边界,将原模型的超矩形输入空间约束在物理意义范围内的改进LOLIMOT模型。通过某天然气发动机的辨识试验,从分布特征和计算原理角度,分析了该方法对预测结果的影响。结果表明:与原算法相比,改进算法的线性相关度R2提升了1.9%,验证了改进策略的有效性。改进LOLIMOT算法具备较高的收敛速度和稳定性,在排放模型领域具备一定的应用优势。

Intelligent non-linear modelling of an industrial winding process using recurrent local linear neuro-fuzzy networks

This study deals with the neuro-fuzzy (NF) modelling of a real industrial winding process in which the acquired NF model can be exploited to improve control performance and achieve a robust fault-tolerant system. A new simulator model is proposed for a winding process using non-linear identification based on a recurrent local linear neuro-fuzzy (RLLNF) network trained by local linear model tree (LOLIMOT), which is an incremental tree-based learning algorithm. The proposed NF models are compared with other known intelligent identifiers, namely multilayer perceptron (MLP) and radial basis function (RBF). Comparison of our proposed non-linear models and associated models obtained through the least square error (LSE) technique (the optimal modelling method for linear systems) confirms that the winding process is a non-linear system. Experimental results show the effectiveness of our proposed NF modelling approach.

基于局部线性模型树模型的柴油机进气系统漏气和堵塞故障诊断

柴油机进气系统漏气和堵塞等性能退化型故障将会导致排放恶化和经济性下降。针对进气系统具有较强的非线性,难以建立精确的数学模型问题,提出基于局部线性模型树(LOLIMOT)模型的故障诊断方法,为在线故障诊断提供一种思路。提取进气压力波的一次谐波信号幅值与相位、充量系数为故障特征,采用LOLIMOT方法对充量系数、进气压力波动幅值与相位信号建立基于发动机转速和进气密度的参考模型;采用奇偶方程生成3个残差信号,计算各个残差信号的阈值;分析残差信号和故障类型的映射关系。结果表明:所建进气压力波动幅值LOLIMOT模型、进气压力波动相位LOLIMOT模型、充量系数模型验证数据与模型仿真数据具有较高线性相关度;采用充量系数、进气压力波幅值与相位为故障特征值建立的LOLIMOT模型生成残差信号的故障诊断方法,可诊断进气系统漏气故障和中冷器堵塞故障。

基于局部递归线性NF模型智能非线性识别系统设计

主要研究了智能非线性识别技术在绕组建模中的设计;首先分析了模糊神经(NF)建模的相关属性,针对绕组建模系统所需要的控制性能,为了改善其控制性能,实现可靠的容错系统,提出一种新的基于模糊神经网络NF的模拟模型,将该模型应用到基于递归的局部线性模糊神经网络(RLLNF),该网络通过局部的线性模型树(LOLIMOT)训练,设计出一种改进的基于树的增量学习算法;最后设置时间间隔在220s和225s之间的实际的绕组过程,通过仿真实验结果表明,将提出的NF模型与其他已知智能算法,即多层感知器(MLP)等进行比较,所设计的系统更具有可行性与高效性。

基于局部线性模型树的高压共轨柴油机排放模型

为研究面向闭环控制的柴油机在线排放模型,以1台高压共轨、涡轮增压中冷柴油机的转速、扭矩、空燃比、燃烧始点、燃烧重心、燃烧终点、最高燃烧温度、最大缸内压力等运转和燃烧的各项参数为基础,运用局部线性模型树对排放物HC,CO,CO2,NOx和烟度进行了仿真研究。研究结果表明,以转速、扭矩、空燃比为输入时,CO,CO2,NOx的仿真结果与试验值具有较好的一致性,以转速、扭矩、空燃比、燃烧重心为输入时,HC、烟度的仿真结果与试验值具有较好的一致性。各排放的期望响应与仿真输出的平均误差在10%以内,线性回归相关系数达到0.96以上。各个排放物的仿真过程单独进行时,可以得到较好的仿真效果。因此,局部线性模型树模型适用于高压共轨柴油机排放物的仿真。

分片合并模型树光滑逼近算法

针对已知样本数据建立非线性函数模型的问题,提出了分片合并模型树光滑逼近算法。在区域线性模型树算法的基础上,采用区域分片和区域合并两个算法将输入空间划分为若干子区域,对每个子区域使用线性函数进行逼近,并构建该子区域上的加权函数,生成基函数展开方式的全局表达,从而获得光滑的任意精度逼近结果。分片合并算法使得相同的线性函数可以在非凸甚至非连通的区域上起作用。在参数数量相同的情况下,其逼近精度比区域线性模型树算法有显著提高。仿真结果表明:该算法是解决这类建模问题的有效方法。

基于改进局部线性模型树的航空发动机过渡态非线性辨识

为了解决在采用局部线性模型树(LOcal Linear MOdel Tree,LOLIMOT)辨识发动机非线性系统时,出现的辨识网络复杂和模型精度问题,提出一种将非线性自回归滑动平均模型(NARMAX)和LOLIMOT网络融合的改进神经网络结构.基于非线性自回归滑动平均模型NARMAX的思想,将原始局部子模型的线性函数替换为非线性多项式函数,并基于AIC(Akaike information criterion)显著性准则的前向选择法对非线性项按照重要性程度进行选择,将简化后的非线性函数用于构建原始LOLIMOT模型局部子模型,形成一种改进LOLIMOT网络模型.通过某航空发动机过渡态下的辨识实验表明,改进算法能够将原LOLIMOT模型复杂度降低46%左右,相对预测精度提高50%以上,验证了在对发动机模型复杂度和精度要求较高的领域,改进模型是一种更加有效的网络结构.