控制与决策

作者：刘星,赵建印,朱敏,张伟

单位：海军航空大学,山东 烟台 264001,,海军航空大学,山东 烟台 264001,,中国人民解放军91576部队,浙江 宁波 315020$ $,,海装西安局驻咸阳地区军事代表室,陕西 咸阳 713100,

关键词：超限学习机;多核学习;一类分类;故障检测;$l_p$-范数约束

针对列装时间短的现役装备故障样本匮乏、现有算法故障检测准确率较低的问题,将多核学习(multiple kernel learning,MKL)与一类超限学习机(OC-ELM)相结合,提出$l_p$-范数约束下多核学习一类超限学习机($l_p$-MKOCELM)的检测模型.在$l_p$-范数约束下,定义了将MKL与OC-ELM相结合的数学优化形式,推导出基核组合权重与Lagrange乘子的更新方式;为方便故障检测的实施,基于$l_p$-MKOCELM定义了统计检验量与检测阈值;通过实验验证了不同范数的约束形式的近似等价性.将所提出方法应用于常用的UCI数据集和某型装备的测试数据,实验结果表明,相比于传统的SVDD、PCA、OC-SVM、OC-KELM等方法,所提出方法在平衡漏警、虚警的同时,能够显著提升检测精度.

来源：2021年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第10期