基于动态记忆反馈的改进ELM故障预测方法应用研究
随着工业系统复杂性的逐步增加,对故障预测的实时性和准确性提出了更高的要求。对此,提出一种基于动态记忆反馈的改进ELM神经网络模型进行故障预测。此模型在结构上增加了反馈层用于记忆隐含层输出,并从反馈层记忆的信息中提取数据变化趋势特征,从而动态更新反馈层的输出权值。通过对非线性动态系统的下一时刻输出进行预测,并对预测输出进行诊断,达到故障预测的目的。通过人工数据Sinc验证和TE过程实例应用表明了所提出方法具有预测精度高、动态适应能力强等优点,对非线性时序系统具有较好的预测能力。
极限学习机、动态递归、故障预测
TP273(自动化技术及设备)
国家自然科学基金项目61104131;北京市自然科学基金项目4142039;北京市青年英才计划项目BJYC21;中央高校基本科研业务费项目ZZ1312
2015-04-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
623-629