10.16526/j.cnki.11-4762/tp.2019.07.059
基于飞参数据的飞机操纵系统故障评估方法
针对某型飞机的操纵系统故障评估问题,提出了一种基于飞参数据建立的差分进化极限学习机(DE-ELM)算法;该算法融合了差分进化(DE)和极限学习机(ELM)两种算法,通过对飞参数据进行训练,构建了飞机操纵系统的黑箱模型;由于极限学习机(ELM)的输入权值以及隐含层阈值是随机产生的,所以ELM的随机性较大,稳定性不高,故利用寻优能力较强的DE对ELM输入权值和隐含层阈值进行寻优,从而实现ELM的结构优化,提升ELM的稳定性和鲁棒性;仿真结果表明,DE-ELM算法的决定系数达到了97.6%,其均方误差相比于BP神经网络降低了约79%,相比于单纯的ELM降低了64%;所以说该法可以有效提高精确度,同时具有更加良好的泛化性能.
飞参数据、差分进化、极限学习机、故障评估
27
V212.12+8(基础理论及试验)
国家自然科学基金11447174;陕西省自然科学基础研究计划2015JQ5155
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
275-279