基于灰色理论的新陈代谢自适应多参数预测方法

doi:10.16183/j.cnki.jsjtu.2017.08.011

摘要/Abstract

摘要： 针对少数据、小样本序列的预测问题，在分析常规灰色GM(1,1)预测模型缺点的基础上提出了优化的算法模型，将优化后的预测方法推广为多参数预测.首先，建立了利用最新量测量进行初始化的预测模型，然后通过新陈代谢的方法利用新信息代替旧信息实现等维的模型预测，同时引入衰减记忆最小二乘法对新旧信息进行加权处理，背景值以归一化的平均相对误差作为精度检验标准，采用粒子群算法自适应寻优.最后，通过对某型惯性测量单元(IMU)的标定参数稳定性进行预测，预测结果平均相对误差降低了6%～58%，表明预测方法可以应用于IMU标定参数的长期稳定性预测.

关键词: 灰色理论；新陈代谢；自适应；预测；粒子群算法

Abstract: The application of measured shortterm data to the prediction of longterm stability of weapon system is significant to shorten the production cycle of weapons. Considering such prediction problems as inadequate data and small sample sequence, optimized algorithm model was presented based on the drawback analysis of GM(1,1) prediction model. The optimized prediction methods were generalized as multiparameter prediction. At first, the model which used the latest measured data for initialization was established, followed by replacing the old information with the latest through metabolic approaches to realize equal dimension model predication. In addition, fading memory recursive least squares method was adopted for weighted handling of old and new information. The normalized mean relative error was used as accuracy test standard for background value and particle swarm optimization algorithm was adopted. Finally, the calibration parameters stability of a certain type of inertial measurement unit (IMU) was predicted, and the average relative error of the prediction results was reduced by 6%~58%. The results indicate that the prediction method can be applied to the longterm stability of IMU calibration parameters.

Key words: grey theory; metabolism; adaptive; prediction; particle swarm optimization

中图分类号:

V 241.6

张朝飞，罗建军，徐兵华，马卫华. 基于灰色理论的新陈代谢自适应多参数预测方法 [J]. 上海交通大学学报, 2017, 51(8): 970-976.

ZHANG Zhaofei，LUO Jianjun，XU Binghua，MA Weihua. Metabolism Adaptive MultiParameter Prediction
Method Based on Grey Theory[J]. Journal of Shanghai Jiao Tong University, 2017, 51(8): 970-976.

参考文献

［1］HEIJDEN M V D, VELIKOVA M, LUCAS P J F. Learning Bayesian networks for clinical time series analysis［J］. Journal of Biomedical Informatics, 2013, 48(2): 94105.
［2］TIAN W D, HU M G, LI C K. Fault prediction based on dynamic model and grey time series model in chemical processes［J］. Chinese Journal of Chemical Engineering, 2014, 22(6): 643650.
［3］谭鹏, 曹平. 基于灰色关联支持向量机的地表沉降预测［J］. 中南大学学报(自然科学版), 2012, 43(2): 632637.
TAN Peng, CAO Ping. Predicting surface settlement of tunnel using greyrelationalsupport vector machine［J］. Journal of Central South University (Science and Technology), 2012, 43(2): 632637.
［4］李松, 刘力军, 翟曼. 改进粒子群算法优化BP神经网络的短时交通流预测［J］. 系统工程理论与实践, 2012 (9): 20452049.
LI Song, LIU Lijun, ZHAI Man. Prediction for short term traffic flow based on modified PSO optimized BP neural network［J］. Systems EngineeringTheory & Practice, 2012 (9): 20452049.
［5］朱晓菲, 王国华, 张欣豫, 等. 基于遗传新陈代谢灰色模型的电子设备故障预测模型［J］. 现代电子技术, 2014, 37(1): 8689.
ZHU Xiaofei, WANG Guohua, ZHANG Xinyu, et al. Research on failure prediction of electronic equipment based on genetic metabolism grey model［J］. Modern Electronics Technique, 2014, 37(1): 8689.
［6］罗党, 刘思峰, 党耀国. 灰色模型GM(1,1)优化［J］. 中国工程科学, 2003, 5(8): 5053.
LUO Dang, LIU Sifeng, DANG Yaoguo. The optimization of grey model GM(1,1)［J］. Engineering Science, 2003, 5(8): 5053.
［7］郭阳明, 姜红梅, 翟正军. 基于灰色理论的自适应多参数预测模型［J］. 航空学报, 2009, 30(5): 925931.
GUO Yangming, JIANG Hongmei, ZHAI Zhengjun. Adaptive multiparameter prediction model based on grey theory［J］. Acta Aeronautica et Astronautica Sinica, 2009, 30(5): 925931.
［8］李丁, 夏露. 改进的粒子群优化算法在气动设计中的应用［J］. 航空学报, 2012, 10(10): 18091816.
LI Ding, XIA Lu. Application of improved particle swarm optimization algorithm to aerodynamic design［J］. Acta Aeronautica et Astronautica Sinica, 2012, 10(10): 18091816.
［9］许榕,周东,蒋士正,等. 自适应粒子群神经网络交通流预测模型［J］. 西安交通大学学报, 2015 (10): 103108.
XU Rong, ZHOU Dong, JIANG Shizheng, et al. A traffic forecasting model using adaptive particle swarm optimization trained neural network［J］. Journal of Xi’an Jiaotong University, 2015 (10): 103108.
［10］党建军, 罗建军, 万彦辉. 基于单轴速率转台的捷联惯测组合标定方法［J］. 航空学报, 2010, 31(4): 806811.

[1]	赵子任1, 杜世昌1, 黄德林1, 任斐2, 梁鑫光2. 多工序制造系统暂态阶段产品质量#br# 马尔科夫建模与瓶颈分析[J]. 上海交通大学学报, 2017, 51(10): 1166-1173.
[2]	周鹏辉, 马红占, 陈东萍, 陈梦月, 褚学宁. 基于模糊随机故障模式与影响分析的#br# 产品再设计模块识别[J]. 上海交通大学学报, 2017, 51(10): 1189-1195.
[3]	李昌玺1, 2, 周焰1, 林菡3, 李灵芝1, 郭戈1. 基于MIMOFNN模型的弹道导弹目标#br# 时空序贯融合识别方法[J]. 上海交通大学学报, 2017, 51(9): 1138-.
[4]	冯明月, 何明浩, 韩俊, 郁春来. 基于协方差拟合旋转不变子空间信号参数#br# 估计算法的高分辨到达角估计[J]. 上海交通大学学报, 2017, 51(9): 1145-.
[5]	杨平1，盛杰1，王禹程2，李柱永1，金之俭1，洪智勇1. YBa2Cu3O7δ超导带材非均匀性对失超传播特性的影响[J]. 上海交通大学学报（自然版）, 2017, 51(9): 1090-1096.
[6]	王星, 周一鹏, 田元荣, 陈游, 周东青, 贺继渊. 基于改进遗传算法和SinChirplet原子的调频#br# 雷达信号稀疏分解[J]. 上海交通大学学报, 2017, 51(9): 1124-1130.
[7]	张良俊1, 2, 李晓慈1, 吴静怡1, 蔡爱峰1. 大型空间展开机构微重力环境模拟#br# 悬吊装置热结构耦合分析[J]. 上海交通大学学报, 2017, 51(8): 954-961.
[8]	夏海亮1, 2, 刘亚坤1, 2, 刘全桢3, 刘宝全3, 傅正财1, 2. 长持续时间雷电流分量作用下电极形状#br# 对金属烧蚀特性的影响[J]. 上海交通大学学报, 2017, 51(8): 903-908.
[9]	谷家扬, 谢玉林, 陶延武, 黄祥宏, 吴介. 新型浮式钻井生产储油平台#br# 涡激运动数值模拟及试验研究 [J]. 上海交通大学学报, 2017, 51(7): 878-885.
[10]	林达, 朱益佳, 魏小栋, 王志宇, 张武高. 喷油参数对聚甲氧基二甲醚/柴油发动机燃烧及其#br# 颗粒物排放的影响[J]. 上海交通大学学报, 2017, 51(7): 787-795.
[11]	孟庆阳1, 阎威武1, 胡勇1, 程建林1, 陈世和2, 张曦2. 基于子空间方法的超超临界机组#br# 过热蒸汽系统模型辨识[J]. 上海交通大学学报, 2017, 51(6): 672-678.
[12]	蒋华军a, 蔡艳a, b, 李超豪a, 李芳a, b, 华学明a, b. 基于改进Sobel算法的焊缝X射线图像#br# 气孔识别方法[J]. 上海交通大学学报, 2017, 51(6): 665-671.
[13]	董冠华,殷勤,殷国富,向召伟. 机床结合部耦合动刚度的辨识与建模[J]. 上海交通大学学报（自然版）, 2015, 49(09): 1263-1434.
[14]	谢启江，余海东. 硬岩掘进机刀盘载荷与撑靴接触界面刚度的耦合关系[J]. 上海交通大学学报（自然版）, 2015, 49(09): 1269-1275.
[15]	仲健林1，马大为1，任杰1，李士军2，王旭3. 基于平面应变假设的橡胶圆筒静态受压分析[J]. 上海交通大学学报（自然版）, 2015, 49(09): 1276-1280.