论文部分内容阅读
结合混沌序列的相空间重构理论和BP神经网络预测理论，构建了一个基于时间序列预测的混沌神经网络模型；考虑基本BP神经网络采用的梯度学习算法收敛速度较慢的缺点，文章利用改进的Levenberg—Marquart（L—M）优化学习算法对网络进行训练；最后对一组飞机舵面卡死故障数据进行仿真实验，结果表明该模型不仅提高了预测精度，而且网络收敛速度也得到明显的改善，有效避免神经网络局部极小问题，可以较好地对飞机舵面卡死故障进行预测。