航空工程进展
航空工程進展
항공공정진전
ADVANCES IN AERONAUTICAL SCIENCE AND ENGINEERING
2014年
4期
497-501
,共5页
张夏阳%黄其青%殷之平%曹善成%刘飞
張夏暘%黃其青%慇之平%曹善成%劉飛
장하양%황기청%은지평%조선성%류비
飞行载荷%飞行参数%遗传算法%极限学习机%GA-ELM模型
飛行載荷%飛行參數%遺傳算法%極限學習機%GA-ELM模型
비행재하%비행삼수%유전산법%겁한학습궤%GA-ELM모형
flight loads%flight parameters%genetic algorithm%extreme learning machine%GA-ELM model
针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(G A )和极限学习机(ELM )的GA‐ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM 网络输入层到隐含层的权值矩阵和隐含层偏移量;用 GA‐ELM 模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA‐ELM 模型是一种有效且高精度的飞行载荷参数识别方法。
針對用複雜飛行數據識彆飛行載荷時的精度低、速度慢等問題,提齣一種結閤遺傳算法(G A )和極限學習機(ELM )的GA‐ELM模型。該模型使用ELM神經網絡作為計算覈心,用遺傳算法產生ELM 網絡輸入層到隱含層的權值矩陣和隱含層偏移量;用 GA‐ELM 模型對飛行數據進行識彆,併與BP神經網絡和原始ELM神經網絡的識彆結果進行對比。結果錶明:GA‐ELM 模型是一種有效且高精度的飛行載荷參數識彆方法。
침대용복잡비행수거식별비행재하시적정도저、속도만등문제,제출일충결합유전산법(G A )화겁한학습궤(ELM )적GA‐ELM모형。해모형사용ELM신경망락작위계산핵심,용유전산법산생ELM 망락수입층도은함층적권치구진화은함층편이량;용 GA‐ELM 모형대비행수거진행식별,병여BP신경망락화원시ELM신경망락적식별결과진행대비。결과표명:GA‐ELM 모형시일충유효차고정도적비행재하삼수식별방법。
A parametric flight loads identification method suitable for complex flight data is presented ,which combines genetic algorithm(GA) and extreme learning machine(ELM) .The model is based on ELM method , and GA is used to develop bias weight and weight matrix between input and hidden layer in ELM network .In the end ,GA‐ELM model is used to identify flying load based on real flying data .The identify result is compared with that of BP network and original ELM method ,and GA‐ELM model is proved to be validated ,accuracy and feasible .