多目标模糊随机配置网络

在线自适应工业建模

面向非平稳工业数据流的多目标在线建模方法，通过稀疏正则化和模糊规则的生长与修剪实现实时动态优化。

Guo, Jingcheng · Wang, Anqi · Zhou, Meng · 严爱军 · Guo, Wei

IEEE Transactions on Fuzzy Systems 2025

技术优势

同时预测多目标

通过多目标稀疏正则化策略增强学习机制，使模型能够同时处理多个输出参数，无需为每个目标单独建模。

适应数据流变化

在线阶段通过模糊规则生长与修剪以及增强层优化，实现模型结构和参数的实时更新，持续适应非平稳数据流。

显著提升精度

在两个真实工业数据集上的对比实验表明，该方法在适应性和精度上显著优于现有方法。

应用场景

• 工业过程监控：对流程参数进行多目标在线预测，及时捕捉工况变化。
• 智能制造数据分析：从非平稳生产数据中实时提取多个关键指标，支撑智能决策。
• 工业机器人感知建模：为机器人感知系统提供持续更新的多输出模型，适应动态环境。