基于KB-IELM的航空装备状态预测方法研究
针对现有预测方法对动态系统瞬时状态预测能力精度较低的问题,以超限学习机(ELM)为建模基础,将基于核的增量极限学习机应用于状态预测.由于增量学习的应用,使得模型中可以适用在线状态数据按照时间序列到达的特点,避免重新训练并减少时间的开销.同时核函数的应用有效提高了模型的计算效率,在提高算法稳定性的同时,有效提高了状态预测的准确性.以两个实例来进行仿真实验.结果 表明所提算法与相比于ReOS-ELM、ALD-KOS-ELM和FOKELM三种方法,具有明显的优势.
核增量极限学习机、在线状态预测、核函数
40
V243(航空仪表、航空设备、飞行控制与导航)
2021-06-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
43-46