具有输入故障自适应能力的在线智能建模.pdg.pdf

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。 关键词：系统辨识，多元线性回归，偏最小二乘