基于ELM-SVR模型的装备关键部件寿命预测

摘要：

装备关键部件数量众多,其性能决定了武器系统的健康寿命.为解决单一模型预测精度不高的问题,提出了基于ELM-SVR模型的剩余寿命预测方法.ELM模型为单隐层网络,输出拟合采用样本权重相同线性回归方法,存在特征辨识度不高,预测泛化能力不强的问题,将ELM模型与SVR模型融合,在ELM神经元基础上使用核函数进一步提高特征的辨识度,以软间隔拟合函数代替线性回归对输出进行拟合,突出了样本权重,有效提升了剩余寿命预测的泛化能力.依据多个装备关键部件的综合性能指标对其进行剩余寿命预测,实验结果表明:与ELM、SVR、KELM模型相比,平均预测精度分别提高了57.14％、44.44％、11.76％,可见ELM-SVR模型具有一定的泛化能力与鲁棒性,可显著提高剩余使用寿命预测精度.

关键词：剩余寿命预测、KELM模型、ELM极端学习机、SVR支持向量机

所属期刊栏目：23

分类号：TP202.1(自动化技术及设备)

资助基金：国家自然科学基金61773389

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：640-647