基于极限学习机的某型雷达接收机故障诊断方法研究

摘要：

基于传统故障树理论的某型雷达接收机故障诊断存在重复诊断问题和不确定性因素,以及基于传统智能学习方法的该型雷达接收机故障诊断存在着一些难点需要克服,例如训练速度慢,参数多,参数确定困难.根据上述原因,论文提出了基于极限学习机(Extreme Learning Machine,ELM)的该型雷达接收机故障诊断方法.文中根据该型雷达接收机故障的特点分析了激活函数对诊断性能的影响,并与基于BP神经网络的诊断方法和基于支持向量机(Support Vector Machine,SVM)的诊断方法进行了对比.通过仿真实验的结果对比可知,在训练时间差不多的情况下采用激活函数Sigmoid时,故障诊断的准确率最高;同时在该型雷达接收机故障诊断应用性能的比较上,ELM具有更多优势,ELM比BP神经网络的训练时间短,比SVM所需设置的参数少,此外在故障诊断的准确率上优于BP神经网络和SVM.所以比基于BP神经网络和基于SVM的诊断方法更加适合于该型雷达故障诊断.

关键词：雷达接收机、故障诊断、极限学习机、激活函数、BP神经网络、支持向量机

所属期刊栏目：37

分类号：TN95

在线出版日期：2017-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：117-120