基于动态记忆反馈的改进ELM故障预测方法应用研究

摘要：

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。

关键词：极限学习机、动态递归、故障预测

分类号：TP273(自动化技术及设备)

资助基金：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

在线出版日期：2015-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：623-629