摘要：基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.

摘要：提出了一种航空发动机执行机构及其传感器单一故障诊断及定位方法.首先通过执行机构模型判断是否发生故障,然后运用发动机逆模型对故障进行定位.基于离线训练BP(back propagation)神经网络建立执行机构模型,根据某半物理仿真试验台的测试数据训练网络参数.提出离线训练和在线训练相结合的极端学习机(ELM)算法建立发动机逆模型,使网络在初始时刻就具有诊断能力,工作过程中具有适应能力,且在线训练过程采用阈值判别法筛选训练样本,减小了在线训练时间,提高了逆模型的实时性.以某型发动机燃油系统执行机构为例的设计和仿真结果表明:该诊断系统能够准确地对发动机在稳态和动态工况以及蜕化状态下的执行机构及其传感器单一故障进行准确诊断和定位,具有很好的实时性.

摘要：针对应用于混沌时间序列预测的正则极端学习机(RELM)网络结构设计问题,提出一种基于Cholesky分解的增量式RELM训练算法.该算法通过逐次增加隐层神经元的方式自动确定最佳的RELM网络结构,并以Cholesky分解方式计算其输出权值,有效减小了隐层神经元递增过程的计算代价.混沌时间序列预测实例表明,该算法可有效实现最佳RELM网络结构的自动确定,且计算效率高.利用该算法训练后的RELM预测模型具有预测精度高的优点,适用于混沌时间序列预测.

摘要：针对传统目标追踪模型中单一特征对目标描述不准确、不充分,产生噪声样本作为目标参与后续计算出现跟踪漂移等问题,提出多视角特征融合的鲁棒目标跟踪方法.首先利用迭代求解单一特征训练误差和最小的方式实现样本多视角特征自动征融合与描述,引入高次幂系数避免模型退化,并利用核方法保证维度不同特征的融合;其次将模型进一步拓展为增量学习方法,实现目标检测阶段判别模型实时构建,并获得当前帧候选目标样本集;最后根据候选目标样本集与判别边界位置关系,选择最优样本作为当前帧目标样本并利用指数函数增加样本间区分度.在20个具有挑战的图像序列上对文中方法进行验证,实验结果表明,该方法与目前流行的目标跟踪模型比较,获得了较好的效果与较高的鲁棒性.

摘要：针对永磁直线电机推力波动的非线性特点,设计了PID+ELM前馈补偿的永磁直线电机位置控制系统.用于训练ELM网络的样本可通过分析推力波动的特点及其规律获得,将训练好的网络作为前馈补偿环节,用于补偿控制系统中推力波动的影响.仿真结果表明,所提出的控制方案有效且可行.与基于SVM和RLS的方法相比,虽然其跟踪精度稍差,但其训练时间较短,适用于实时性要求较高的场合.

摘要：为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。

摘要：为解决传统林业信息文本分类算法准确率低和正确率分布不均匀的问题,提出基于差分演化优化极端学习机的林业信息文本分类算法。使用TF-IDF方法计算林业信息文本特征值,对构造的林业信息文本特征矩阵降维,结合差分演化算法对极端学习机算法进行优化,构造分类器进行精准快速的分类。实验结果表明,该算法能有效克服极端学习算法的缺点,具有较好的局部与全局收敛能力,相较BP、SVM算法,该算法有一定竞争力,为林业信息文本的分类研究提供了参考。

摘要：针对极端学习机(extreme learning machine,ELM)神经网络隐层结构难以确定的问题,基于自适应共振理论(adaptive resonance theory,ART)网络良好的自组织分类功能,提出一种基于ART网络思想的ELM网络结构设计方法。该方法将ART网络的自组织聚类特性用于ELM网络结构设计中,通过对输入向量与已存模式的相似度比较将输入向量进行分类,确定隐层节点规模。仿真实验表明,与其他网络相比,ART-ELM网络具有更精简的结构、更快的学习速度以及更好的映射能力。通过用于GPS卫星钟差预报的实验表明,根据ART-ELM网络所预报的钟差较IGS超快速预报(IGS ultra-predicted,IGU-P)钟差在精度上有较大改善。

摘要：飞机部件的直接维修成本(DMC)预计是控制整机维修成本的关键步骤。鉴于现有方法预计精度不高,波动性大,并针对经验数据匮乏的问题,引入了一种基于Ada Boost(adaptive boosting)算法的飞机部件直接维修成本预计方法。对比分析结果表明,此方法不依赖于经验数据,可较准确地预测飞机部件的实际直接维修成本,比以往的方法在精度和稳定性上有显著提高,适用于设计阶段及维修过程中的部件维修成本预计。

摘要：为提高航空串联故障电弧判别的可靠性以及实现对故障模式的准确分类,提出了一种数学形态学梯度和极端学习机相结合的航空交流故障电弧检测方法。通过数学形态学梯度提取线路中电流信号的相关故障特征参数,采用分形维数的思想对特征参数进行处理,引入极端学习机对故障进行分类识别,实现了最终的诊断。试验计算结果表明,串联故障电弧诊断率高达97.5%,所设计的诊断方法具有良好的泛化能力。