基于改進混沌神經網絡的飛機舵面故障預測研究

結合混沌序列的相空間重構理論和BP神經網絡預測理論,構建了一個基于時間序列預測的混沌神經網絡模型;考慮基本BP神經網絡采用的梯度學習算法收斂速度較慢的缺點,文章利用改進的Levenberg-Marquart(L-M)優化學習算法對網絡進行訓練;最后對一組飛機舵面卡死故障數據進行仿真實驗,結果表明該模型不僅提高了預測精度,而且網絡收斂速度也得到明顯的改善,有效避免神經網絡局部極小問題,可以較好地對飛機舵面卡死故障進行預測.

作 者： 何世強 馬捷中 曾憲煉 He Shiqiang Ma Jiezhong Zeng Xianlian   作者單位： 西北工業大學,計算機學院,陜西,西安,710072  刊 名： 計算機測量與控制  ISTIC PKU 英文刊名： COMPUTER MEASUREMENT & CONTROL  年，卷(期)： 2010 18(5)  分類號： V263.6  關鍵詞： 混沌   相空間重構   BP神經網絡   Levenberg-Marquart算法   飛機舵面卡死  

【基于改進混沌神經網絡的飛機舵面故障預測研究】相關文章：

基于LMBP神經網絡的慣性器件故障預報方法研究04-26

基于改進BP神經網絡的職業危害預警模型04-25

基于RBF神經網絡的短時交通流量預測04-27

基于小波神經網絡的煤層底板突水非線性預測方法研究04-25

基于灰色神經網絡的航空發動機振動故障診斷方法研究04-26

基于MATLAB7的神經網絡在灌溉用水量預測中的應用研究04-27

基于BP神經網絡的降雨充水礦井涌水量預測04-27

基于神經網絡的道路交通事故預測04-27

基于人工神經網絡的結構腐蝕損傷定量預測04-27

基于MATLAB的BP神經網絡組合預測模型在公路貨運量預測中的應用04-27