[发明专利]具有ReMD-OSELM的FER-FSE在风洞试验冲压阶段总压实时建模中的应用

说明书

本发明公开了具有ReMD‑OSELM的FER‑FSE在风洞试验冲压阶段总压实时建模中的应用,属于计算机应用技术领域。本发明包括，第一步：根据时间阈值τ(8s≤τ≤15s)，构造建立冲压阶段总压模型的多批次样本第二步：在上使用回归树提取最重要的d_o维特征，根据这d_o维特征构造的低维样本集和的所有特征子集，即在上构建FER‑FSE结构；第三步：以ReMD‑OSELM为基学习机递归学习每一代子模型，加权融合后获得总压实时预测模型。本发明利用FER‑FSE结构和递归型基学习机ReMD‑OSELM建立冲压阶段总压实时预测模型，发挥FER‑FSE和ReMD‑OSELM联合使用时的强非线性学习能力和实时计算的优势，克服了FSE子模型冗余问题，增强了MD‑OSELM对噪声的鲁棒性。实验结果表明所申请技术能够提高风洞试验冲压阶段总压的预测精度。

技术领域

本发明涉及集成学习、递归学习技术，属于计算机应用技术领域，尤其涉及一种具有ReMD-OSELM的FER-FSE在风洞试验冲压阶段总压实时建模中的应用。

背景技术

风洞气流复杂，多洞室气体实时交换，这使得根据空气动力学定律难以建立高精度的总压实时预测模型。随着传感技术和计算机技术的迅猛发展，风洞试验累计了大量而丰富的数据，这使得建立基于数据驱动的建模方法发挥着越来越重要的作用。现有的总压模型大都基于数据驱动的方法，而且取得了不错的效果，其中最具代表性的是文献^[1]提出的特征子集集成(Feature Subset Ensemble，FSE)fixed-size LS-SVMs方法。

现有的总压模型大都面向每次试验的整个过程，但是总压在一次试验中的变化差异较大，以时间阈值τ(8s≤τ≤15s)可以分为两个阶段。0s～τs试验处于冲压阶段，总压随时间大致呈上升趋势，总压的数值分布不均衡也非正态分布；τs～Ts试验处于稳压阶段，总压随时间呈水平趋势，总压的数值呈正态分布。另外，稳压阶段样本个数是冲压阶段样本个数的2～9倍。因此，现有的总压模型在冲压阶段的均方根误差(Root Mean Square Error，RMSE)明显高于其在稳压阶段的 RMSE。

发明内容

为了提高风洞试验冲压阶段总压的预测精度，同时处理冲压阶段的高噪声问题，本发明提出了具有ReMD-OSELM的FER-FSE在风洞试验冲压阶段总压实时建模中的应用，为面向多批次高噪声数据建立高精度的实时计算模型提供一种新的思路和方法。技术方案如下：

具有ReMD-OSELM的FER-FSE在风洞试验冲压阶段总压实时建模中的应用，包括如下步骤：

第一步：根据时间阈值τ(8s≤τ≤15s)，获取冲压阶段总压模型的多批次样本，令表示第 b(b＝0，1，2，…)个批次的样本，其中N表示样本个数；

X(t-1)包含25个特征：

x₁(t-1)，x₁(t-2)，…，x₁(t-5)，x₂(t-1)，x₂(t-2)，…，x₂(t- 5)，…，x₅(t-1)，x₅(t-2)，…，x₅(t-5)，

分别表示栅指位移、主调压阀位移、主排气阀位移、气源压力和攻角角度在历史时刻t-1，t-2，…t-5上的值；

P_o(t-1)包含5个特征：p_o(t-1)，…，p_o(t-5)，

分别表示总压在历史时刻t-1，t-2，…t-5上的值；

p_o(t)表示总压在当前时刻t上的值；