基于OCKELM与增量学习的在线故障检测方法

针对航空电子设备故障检测样本少、以及缺乏在线实时检测理论研究的问题,将一类核极限学习机(OCK-ELM)和数据增量学习(II-)相结合,实现对贯序来临的样本数据在线故障检测.基于正常状态下的样本数据,给出了OCKELM的核化形式,并推导了核函数和核权重向量的表达式;根据增量学习方法,在吸收新样本时更新核权重向量并估计样本输出值;最终基于2种阈值准则给出模型的检验阈值,对测试样本进行在线故障检测.将所提方法应用于UCI数据集和某航空电子设备的测试数据,实验结果表明:该方法的时间消耗在毫秒级别,实现了在线检测;且相比于现有的SVDD、PCA、OC-SVM方法,该方法在F1、AUC、G-mean和故障检测率等性能指标方面均表现优异.