• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Chaotic Ensemble of Online Recurrent Extreme Learning Machine for Temperature Prediction of Control Moment Gyroscopes
【2h】

Chaotic Ensemble of Online Recurrent Extreme Learning Machine for Temperature Prediction of Control Moment Gyroscopes

机译：在线复发极端学习机的混沌集合用于温度预测控制力矩陀螺仪

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Control moment gyroscopes (CMG) are crucial components in spacecrafts. Since the anomaly of bearing temperature of the CMG shows apparent correlation with nearly all critical fault modes, temperature prediction is of great importance for health management of CMGs. However, due to the complicity of thermal environment on orbit, the temperature signal of the CMG has strong intrinsic nonlinearity and chaotic characteristics. Therefore, it is crucial to study temperature prediction under the framework of chaos time series theory. There are also several other challenges including poor data quality, large individual differences and difficulty in processing streaming data. To overcome these issues, we propose a new method named Chaotic Ensemble of Online Recurrent Extreme Learning Machine (CE-ORELM) for temperature prediction of control moment gyroscopes. By means of the CE-ORELM model, this proposed method is capable of dynamic prediction of temperature. The performance of the method was tested by real temperature data acquired from actual CMGs. Experimental results show that this method has high prediction accuracy and strong adaptability to the on-orbital temperature data with sudden variations. These superiorities indicate that the proposed method can be used for temperature prediction of control moment gyroscopes.
机译：控制力矩陀螺仪（CMG）是航天器中的重要组成部分。由于CMG的轴承温度异常显示出与几乎所有严重的故障模式的表观相关性，因此温度预测对于CMG的健康管理非常重要。然而，由于轨道上的热环境的共同性，CMG的温度信号具有强的内在非线性和混沌特性。因此，在混沌时间序列理论框架下研究温度预测至关重要。还有几种其他挑战，包括数据质量差，各个差异和处理流数据的困难。为了克服这些问题，我们提出了一种名为Chaotic Ensemble的新方法，用于在线复发极限学习机（CE-ORELM），用于控制力矩陀螺仪的温度预测。借助于CE-ORELM模型，该方法能够动态预测温度。通过从实际CMG获取的实际温度数据测试该方法的性能。实验结果表明，该方法具有高预测精度和对轨道温度数据的强大适应性，突然变化。这些优势表明该方法可用于控制力矩陀螺仪的温度预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号