lp-范数约束下MKL-OC-ELM的装备故障检测

摘要：

针对列装时间短的现役装备故障样本匮乏、现有算法故障检测准确率较低的问题,将多核学习(multiple kernel learning,MKL)与一类超限学习机(OC-ELM)相结合,提出lp-范数约束下多核学习一类超限学习机(lp-MKOCELM)的检测模型.在lp-范数约束下,定义了将MKL与OC-ELM相结合的数学优化形式,推导出基核组合权重与Lagrange乘子的更新方式;为方便故障检测的实施,基于lp-MKOCELM定义了统计检验量与检测阈值;通过实验验证了不同范数的约束形式的近似等价性.将所提出方法应用于常用的UCI数据集和某型装备的测试数据,实验结果表明,相比于传统的SVDD、PCA、OC-SVM、OC-KELM等方法,所提出方法在平衡漏警、虚警的同时,能够显著提升检测精度.

关键词：超限学习机;多核学习;一类分类;故障检测;lp-范数约束

所属期刊栏目：36

分类号：TP273(自动化技术及设备)

在线出版日期：2021-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2379-2388