基于动态记忆反馈的改进ELM故障预测方法应用研究

随着工业系统复杂性的逐步增加, 对故障预测的实时性和准确性提出了更高的要求. 对此, 提出一种基于动态记忆反馈的改进ELM神经网络模型进行故障预测. 此模型在结构上增加了反馈层用于记忆隐含层输出, 并从反馈层记忆的信息中提取数据变化趋势特征, 从而动态更新反馈层的输出权值. 通过对非线性动态系统的下一时刻输出进行预测, 并对预测输出进行诊断, 达到故障预测的目的. 通过人工数据Sinc 验证和TE 过程实例应用表明了所提出方法具有预测精度高、动态适应能力强等优点, 对非线性时序系统具有较好的预测能力.