登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于核极限学习机的液压泵特征参数在线预测
  • 摘要

    研究液压泵特征参数的在线预测问题。对表征液压泵工作状态的特征参数进行准确、快速的在线预测,对实时掌握液压泵健康状况的发展趋势具有重要意义。针对液压泵特征参数在线预测问题,提出一种在线核极限学习机方法( OL-KELM)。 OL-KELM采用Cholesky分解将核极限学习机( KELM)从离线模式扩展到在线模式,网络权值可在历史训练数据的基础上,随新样本的输入而递推求解更新,并以简单的四则运算替代复杂的矩阵求逆,从而提高网络的在线学习效率。仿真结果表明,在获得同样预测精度的条件下,OL-KELM比直接在线核极限学习机的计算速度更快,且预测误差小于贯序正则极限学习机,并具有更强的鲁棒性,故OL-KELM能够对液压泵特征参数进行快速准确的在线预测。

  • 作者

    马超  张英堂  李志宁  尹刚  MA Chao  ZHANG Ying-tang  LI Zhi-ning  YIN Gang 

  • 作者单位

    军械工程学院七系,河北 石家庄,050003

  • 刊期

    2014年5期 ISTIC PKU

  • 关键词

    核极限学习机  液压泵  特征参数  在线预测  鲁棒性  Kernel extreme learning machine(KELM)  Hydraulic pump  Characteristic parameters  Online Pre-diction  Robustness 

参考文献
查看更多︾
相似文献 查看更多>>
3.227.252.54