基于RBF与OS-ELM神经网络的AUV传感器在线故障诊断

• 作者: 李辉 段杰 赵朝闻 陈自立 龚时华
• 来源期刊: 水下无人系统学报
• 关键词: 自主式水下航行器(AUV) 径向基函数(RBF) 在线贯序学习机(OS-ELM) 神经网络 在线故障诊断 传感器
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 工程应用
• 页码范围: 157-165,184
• 页数: 10页
• 分类号: U674.941|TP183
• 语种: 中文
• DOI: 10.11993/j.issn.2096-3920.2018.02.010

摘要

传感器是自主式水下航行器(AUV)的重要组成部分, 实时准确地对AUV传感器进行在线故障诊断,对提高AUV的安全性具有重要意义.文中通过对机器学习算法的分析, 建立了基于径向基函数(RBF)神经网络的 AUV 传感器预测器, 该预测器具有较高的实时性和准确性; 在此基础上, 首次将在线贯序学习机(OS-ELM)算法应用于传感器在线故障诊断, 进一步提高了预测器的实时性和准确性.文中还利用某 AUV传感器实航数据, 分别对2种故障诊断模型进行了仿真和对比分析, 结果表明, 结合RBF神经网络算法的OS-ELM神经网络预测器, 其预测精度和实时性较RBF神经网络预测器更高, 而且性能更稳定, 可为AUV控制系统各传感器在线故障诊断方案设计提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚时华	中国船舶重工集团公司第705研究所昆明分部	3	15	1.0	3.0
2	赵朝闻	中国船舶重工集团公司第705研究所昆明分部	4	10	1.0	3.0
3	段杰	中国船舶重工集团公司第705研究所昆明分部	3	2	1.0	1.0
4	李辉	中国船舶重工集团公司第705研究所昆明分部	6	17	3.0	4.0
5	陈自立	中国船舶重工集团公司第705研究所昆明分部	1	1	1.0	1.0