[發明專利]基于異態特征子集集成算法的試驗段馬赫數建模方法

有效

• 申請號: 201710219638.8
• 申請日: 2017-04-06
• 公開（公告）號: CN107122526B
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 王曉軍;王曉艷;袁平
• 申請（專利權）人: 大連大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/28;G06N3/08;G06F113/08
• 代理公司: 大連八方知識產權代理有限公司 21226
• 代理人: 衛茂才

1.基于異態特征子集集成算法的試驗段馬赫數建模方法，其特征在于，包括以下步驟：

第一步：首先，建立穩定段總壓模型和駐室靜壓模型，以預獲得試驗段馬赫數；然后，以NARX辨識方法描述總壓和靜壓的動態特性，使用偽最鄰近點法獲得NARX模型各變量的最佳階次為5，確立NARX總壓和NARX靜壓模型結構；

第二步：為擬合NARX總壓、NARX靜壓模型的非線性函數，提出HFSE算法：首先，確定h^*＝1的FSE模型結構，即對特征空間進行1-劃分，產生個1維特征子集；然后，基于不同的基學習機，在各1維特征子集上建立異態子模型；最后，融合所有子模型獲得HFSE模型；

第三步：以Fixed-size LS-SVMs和ELM為異態基學習機，實現基于HFSE算法的NARX總壓、NARX靜壓預測模型，再將它們的預測值帶入經驗公式，獲得基于HFSE的試驗段馬赫數模型。

2.根據權利要求1所述的基于異態特征子集集成算法的試驗段馬赫數建模方法，其特征在于，第一步的使用偽最鄰近點法獲得NARX總壓、NARX靜壓模型各變量的最佳階次的過程包括：(i)使用兩種判別方法確定最鄰近矢量，這兩種方法只要有一個為假，就可認為是偽最鄰近點；(ii)對總壓或靜壓數據集每個時刻k進行判別，計算有偽鄰近點的所有時刻的百分比J(n)；(iii)逐漸增加n的值，重復執行(i)(ii)(iii)，找到J(n)下降的拐角，即為最佳階次；最后，通過實驗分析的方式，確定NARX總壓、NARX靜壓模型各輸入變量的階次。

3.根據權利要求1所述的基于異態特征子集集成算法的試驗段馬赫數建模方法，其特征在于，第二步的為擬合NARX總壓、NARX靜壓模型的非線性函數，提出HFSE算法，其過程包括：首先，設定最大輸入特征維數為h*＝1，以控制FSE的子模型集規模，此時FSE模型將對特征空間進行1-劃分，產生個一維特征子集然后，基于不同的基學習機，在各一維特征子集上建立異態子模型；最后，使用采用PerroneCooper提出的通用融合算法獲得子模型的權值，獲得HFSE模型。

4.根據權利要求1所述的基于異態特征子集集成算法的試驗段馬赫數建模方法，其特征在于，第三步的以Fixed-size LS-SVM和ELM為異態基學習機，實現基于HFSE算法的NARX總壓、NARX靜壓預測模型的過程包括：首先，結合風洞試驗海量數據的特點，針對回歸預測問題，考察了三種理論原理不同、適合于海量數據建模的基學習機：Fixed-size LS-SVM、ELM、MLR；然后，組合其中任意兩種基學習機產生三組異態基學習機；最后，通過實驗分析進一步確定，以Fixed-size LS-SVM和ELM組成的異態基學習機所建立的HFSE馬赫數模型預測效果最優，并將其作為要獲得的基于HFSE的試驗段馬赫數預測模型。