具有输入故障自适应能力的在线智能建模
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第0章 绪论 | 第11-15页 |
| ·系统辨识建模方法 | 第11-13页 |
| ·在线建模工程应用问题 | 第13页 |
| ·本文的主要内容 | 第13-15页 |
| 第一章 建模方法论述 | 第15-42页 |
| ·数据表及其处理 | 第15-19页 |
| ·样本点空间 | 第15-16页 |
| ·变量空间 | 第16-17页 |
| ·数据的标准化处理 | 第17-19页 |
| ·线性回归分析 | 第19-29页 |
| ·多元线性回归模型 | 第19-20页 |
| ·模型参数最小二乘估计 | 第20-22页 |
| ·模型效果分析 | 第22-26页 |
| ·变量筛选方法 | 第26-29页 |
| ·偏最小二乘回归分析方法 | 第29-36页 |
| ·建模原理 | 第29-30页 |
| ·计算方法推导 | 第30-33页 |
| ·交叉有效性 | 第33-36页 |
| ·神经模糊建模 | 第36-39页 |
| ·模糊建模的一般步骤 | 第36页 |
| ·自适应神经模糊建模ANFIS 的结构 | 第36-38页 |
| ·混合学习算法 | 第38-39页 |
| ·基于减法聚类的ANFIS 模型 | 第39-42页 |
| ·减法聚类 | 第39-40页 |
| ·由聚类中心构造一阶Sugeno 模糊模型 | 第40-42页 |
| 第二章 多重相关性问题 | 第42-45页 |
| ·多重相关性的含义 | 第42页 |
| ·多重相关性的危害 | 第42-43页 |
| ·多重相关性的诊断 | 第43-44页 |
| ·经验式诊断方法 | 第43页 |
| ·方差膨胀因子 | 第43-44页 |
| ·多重相关性对在线建模的贡献 | 第44-45页 |
| 第三章 飞机油箱剩余油量离线建模 | 第45-75页 |
| ·飞机油箱剩余油量测量任务概述 | 第45-47页 |
| ·飞机油箱剩余油量测量模型输入变量的相关性分析 | 第47-52页 |
| ·模型输入变量的相关系数分析 | 第47-49页 |
| ·普通多元线性回归模型系数受相关性影响分析 | 第49-52页 |
| ·筛选变量建立模型 | 第52-56页 |
| ·用偏最小二乘回归方法建立模型 | 第56-61页 |
| ·变量筛选后的基于减法聚类的ANFIS 模型 | 第61-66页 |
| ·基于偏最小二乘回归与减法聚类的ANFIS 模型 | 第66-75页 |
| 第四章 输入变量故障的发生与消除诊断 | 第75-85页 |
| ·引言 | 第75页 |
| ·输入变量发生故障和故障消除的诊断算法 | 第75-85页 |
| ·根据输入变量本身的历史数据信息诊断 | 第75-78页 |
| ·以其他输入变量的当前数据和历史数据诊断 | 第78-84页 |
| ·故障消除的判断 | 第84-85页 |
| 第五章 飞机油箱剩余油量在线可靠测量建模 | 第85-90页 |
| ·不同诊断模型的比较 | 第85-86页 |
| ·测量模型的修正调整 | 第86-88页 |
| ·飞机油箱剩余油量的在线测量建模 | 第88-90页 |
| 总结与展望 | 第90-92页 |
| 参考文献 | 第92-95页 |
| 结束语 | 第95页 |
