论文部分内容阅读
研究液压泵特征参数的在线预测问题。对表征液压泵工作状态的特征参数进行准确、快速的在线预测,对实时掌握液压泵健康状况的发展趋势具有重要意义。针对液压泵特征参数在线预测问题,提出一种在线核极限学习机方法(OLKELM)。OL-KELM采用Cholesky分解将核极限学习机(KELM)从离线模式扩展到在线模式,网络权值可在历史训练数据的基础上,随新样本的输入而递推求解更新,并以简单的四则运算替代复杂的矩阵求逆,从而提高网络的在线学习效率。仿真结果表明,在获得同样预测精度的条件下,OL-KELM比直接在线核