【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第5期 351-354页,共5页

【作 者】： 马超 ; 张英堂 ; 李志宁 ; 尹刚

【摘 要】 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（OL—KELM）。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比直接在线核极限学习机的计算速度更快，且预测误差小于贯序正则极限学习机，并具有更强的鲁棒性，故OL—KELM能够对液压泵特征参数进行快速准确的在线预测。