一种基于改进KELM的在线状态预测方法

• 作者: 朱敏 李睿峰 许爱强 陈强强
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 状态预测 在线序贯学习 快速留一交叉验证(FLOO-CV) 超限学习机 核方法
• 年，卷（期）: 2019,（7）
• 页码范围: 1370-1379
• 页数: 10页
• 分类号: V243|TP181
• 字数: 7769字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2018.0685

摘要

针对核超限学习机(KELM)在线状态预测过程中,核矩阵阶数不断增长且难以跟踪时变动态特征的问题,提出了一个具有遗忘因子的稀疏KELM在线状态预测方法.通过引入遗忘因子构建新的目标函数,使稀疏字典中各元素依据时间远近具有不同权重,保证了模型对动态变化的有效跟踪;通过最小化字典的快速留一交叉验证(FLOO-CV)误差,选择具有预定规模的关键节点构成字典;基于当前字典,通过矩阵初等变换和分块求逆,实现相关参数的递推更新.某型飞机发动机的状态预测结果表明,与目前已有的3种在线序贯KELM相比,所提方法在6个监测项目上的平均训练时间分别缩短了7.5％、62.0％和81.9％,平均预测精度分别提升了44.0％、19.9％和50.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许爱强		127	683	12.0	21.0
2	朱敏		51	289	10.0	15.0
3	陈强强		10	15	2.0	3.0
4	李睿峰		2	3	1.0	1.0