基于改进混沌神经网络的飞机舵面故障预测研究

基于改进混沌神经网络的飞机舵面故障预测研究

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.

作 者： 何世强 马捷中 曾宪炼 He Shiqiang Ma Jiezhong Zeng Xianlian   作者单位： 西北工业大学,计算机学院,陕西,西安,710072  刊 名： 计算机测量与控制  ISTIC PKU 英文刊名： COMPUTER MEASUREMENT & CONTROL  年，卷(期)： 2010 18(5)  分类号： V263.6  关键词： 混沌   相空间重构   BP神经网络   Levenberg-Marquart算法   飞机舵面卡死  

【基于改进混沌神经网络的飞机舵面故障预测研究】相关文章：

基于LMBP神经网络的惯性器件故障预报方法研究04-26

基于改进BP神经网络的职业危害预警模型04-25

基于RBF神经网络的短时交通流量预测04-27

基于小波神经网络的煤层底板突水非线性预测方法研究04-25

基于灰色神经网络的航空发动机振动故障诊断方法研究04-26

基于MATLAB7的神经网络在灌溉用水量预测中的应用研究04-27

基于BP神经网络的降雨充水矿井涌水量预测04-27

基于神经网络的道路交通事故预测04-27

基于人工神经网络的结构腐蚀损伤定量预测04-27

基于MATLAB的BP神经网络组合预测模型在公路货运量预测中的应用04-27