仪器仪表学报
儀器儀錶學報
의기의표학보
Chinese Journal of Scientific Instrument
2015年
7期
1546-1553
,共8页
杜占龙%李小民%郑宗贵%张国荣%毛琼
杜佔龍%李小民%鄭宗貴%張國榮%毛瓊
두점룡%리소민%정종귀%장국영%모경
故障预测%时间序列%在线贯序极限学习机%l2-正则化%遗忘机制
故障預測%時間序列%在線貫序極限學習機%l2-正則化%遺忘機製
고장예측%시간서렬%재선관서겁한학습궤%l2-정칙화%유망궤제
failure prognosis%time series%on-line sequential extreme learning machine%l2-regularization%forgetting mechanism
为了解决在线贯序极限学习机(OS-ELM)算法容易产生奇异矩阵、算法贯序更新过程中没有考虑训练样本时效性的问题,提出基于l2-正则化和自适应遗忘因子的OS-ELM(RFOS-ELM)算法.RFOS-ELM在初始阶段加入正则化机制,克服因矩阵奇异而降低OS-ELM泛化能力的缺点.在贯序更新阶段,RFOS-ELM通过引入自适应遗忘因子实时调整新旧训练样本所占比重,推导正则化条件下带遗忘因子RFOS-ELM的递推更新算法,提高其对动态变化系统的跟踪能力.某型无人机机载发射机故障预测实例表明,相比于传统OS-ELM和正则化OS-ELM算法,本文提出方法具有更高的预测精度.
為瞭解決在線貫序極限學習機(OS-ELM)算法容易產生奇異矩陣、算法貫序更新過程中沒有攷慮訓練樣本時效性的問題,提齣基于l2-正則化和自適應遺忘因子的OS-ELM(RFOS-ELM)算法.RFOS-ELM在初始階段加入正則化機製,剋服因矩陣奇異而降低OS-ELM汎化能力的缺點.在貫序更新階段,RFOS-ELM通過引入自適應遺忘因子實時調整新舊訓練樣本所佔比重,推導正則化條件下帶遺忘因子RFOS-ELM的遞推更新算法,提高其對動態變化繫統的跟蹤能力.某型無人機機載髮射機故障預測實例錶明,相比于傳統OS-ELM和正則化OS-ELM算法,本文提齣方法具有更高的預測精度.
위료해결재선관서겁한학습궤(OS-ELM)산법용역산생기이구진、산법관서경신과정중몰유고필훈련양본시효성적문제,제출기우l2-정칙화화자괄응유망인자적OS-ELM(RFOS-ELM)산법.RFOS-ELM재초시계단가입정칙화궤제,극복인구진기이이강저OS-ELM범화능력적결점.재관서경신계단,RFOS-ELM통과인입자괄응유망인자실시조정신구훈련양본소점비중,추도정칙화조건하대유망인자RFOS-ELM적체추경신산법,제고기대동태변화계통적근종능력.모형무인궤궤재발사궤고장예측실례표명,상비우전통OS-ELM화정칙화OS-ELM산법,본문제출방법구유경고적예측정도.
