基于在线相关熵极限学习机的器件退化趋势实时流预测方法

论文摘要

针对器件退化趋势预测,现有方法难以有效进行模型在线更新且趋势预测易受噪声和奇异值影响产生畸变的问题,构建了一种在线受限相关熵极限学习机,并在该模型基础上,提出了预测模型动态更新方法,完成了高可靠器件退化趋势建模及参数线动态更新。通过建立训练数据误差编码本,利用M-估计动态检测训练数据中的奇异值并进行相应的模型修正,进一步提高模型的鲁棒性。仿真实验及光电耦合器CTR实验均表明该方法相比于典型的预测方法,能够在避免实时噪声和奇异值干扰的情况下对预测模型作出有效的更新且能快速给出单步及多步的预测结果,有效地提升了实时预测的准确性。

论文目录

文章来源

类型: 期刊论文

作者: 梅文娟,高媛,杜立,刘震,王厚军

关键词: 极限学习机,实时预测方法,相关熵,实时流数据

来源: 仪器仪表学报 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 无线电电子学,自动化技术

单位: 电子科技大学自动化工程学院,军委装备发展部某中心

基金: 国家自然科学基金(U1830133)项目资助

分类号: TN07;TP181

DOI: 10.19650/j.cnki.cjsi.J1905491

页码: 212-224

总页数: 13

文件大小: 4144K

下载量: 170

相关论文文献

标签：极限学习机论文;  实时预测方法论文;  相关熵论文;  实时流数据论文;