lp-范数约束下MKL-OC-ELM的装备故障检测研究
作者:
作者单位:

1.海军航空大学;2.海装西安局驻兰州地区军代室;3.中国人民解放军91576部队

作者简介:

通讯作者:

中图分类号:

TP273

基金项目:


MKL and OC-ELM Fault Detection Based on lp-norm Constraint
Author:
Affiliation:

1.Naval Aviation University;2.Military Representative Office of Naval Equipment Department in Lanzhou;3.Unit 91576 of the PLA

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对列装时间短的现役装备故障样本匮乏、现有算法故障检测准确率较低的问题,将多核学习(Multiple Kernel Learning,MKL)与一类超限学习机(OC-ELM)相结合,提出了lp-范数约束下多核学习一类超限学习机(lp-MKOCELM)的检测模型。在lp-范数约束下,定义了将MKL与OC-ELM相结合的数学优化形式,推导了基核组合权重与Lagrange乘子的更新方式;为方便故障检测的实施,基于lp-MKOCELM定义了统计检验量与检测阈值;通过实验证实了不同范数的约束形式的近似等价性。将所提方法应用于常用的UCI数据集和某型装备的测试数据,实验结果表明:相比于传统的SVDD、PCA、OC-SVM、OC-KELM等方法,所提方法在平衡漏警、虚警的同时,能够显著提升检测精度。

    Abstract:

    超限学习机;多核学习;一类分类;故障检测;lp-范数约束

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-04-20
  • 最后修改日期:2020-07-29
  • 录用日期:2020-08-04
  • 在线发布日期:
  • 出版日期: