一种RVM模糊模型辨识方法及在故障预报中的应用
对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型,通常难以建立精确的数学模型,相比之下构建其模糊模型是一个有效途径.本文研究了相关向量机(Relevance vector machine,RVM)与模糊推理系统(Fuzzy inference system,FIS)之间的内在联系,证明了基于RVM的FIS具有一致逼近性,并提出了一种基于RVM和梯度下降(Gradient descent,GD)算法的模糊模型辨识方法.基于所给出的模糊模型辨识方法提出了一种新的故障预报算法.仿真结果表明所建立的模糊模型不仅结构更加简单,而且能达到更高的预测精度,所提出的故障预报算法能准确地预报系统故障.
故障预报、模糊模型、系统辨识、相关向量机
37
TP18(自动化基础理论)
国家自然科学基金60736026;61004069;国家杰出青年基金61025014
2011-08-05（万方平台首次上网日期，不代表论文的发表时间）
503-512
