论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 吴祯涛,李学仁,杜军,丁超
关键词: 飞参数据,差分进化,极限学习机,故障评估
来源: 计算机测量与控制 2019年07期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 航空航天科学与工程,自动化技术
单位: 空军工程大学研究生院,空军工程大学航空工程学院
基金: 国家自然科学基金(11447174),陕西省自然科学基础研究计划(2015JQ5155)资助项目
分类号: TP181;V267
DOI: 10.16526/j.cnki.11-4762/tp.2019.07.059
页码: 275-279
总页数: 5
文件大小: 1626K
下载量: 84