论文部分内容阅读
多元时序驱动建模方法是复杂系统故障预测和系统状态评估的一种有效途径，其中人工神经网络作为一种数据驱动的处理非线性问题的有效建模工具，近年来在处理多元时序建模这个问题上得到了较广泛的关注。从全流程的角度出发，首先，运用k-近邻互信息方法对多元时序变量进行降维与相关性计算，从而选择特征变量；其次，提出了一种改进的趋势分析方法对系统的状态进行实时监测，并对系统运行状态进行有效细分；最后，针对系统潜在故障阶段，应用极限学习机（extreme learning machine, ELM）神经网络方法对其进行故障预测