ELM在航空铅酸蓄电池容量检测中的应用

胡　焱，杨　阳，谢家雨，李卫青，蒋陵平

（中国民用航空飞行学院航空工程学院，四川广汉618307）



ELM在航空铅酸蓄电池容量检测中的应用

胡焱，杨阳，谢家雨，李卫青，蒋陵平

（中国民用航空飞行学院航空工程学院，四川广汉618307）

摘要：针对传统BP神经网络训练速度慢、参数选择难、易陷入局部极值等缺点，提出基于极限学习机（ELM）的航空铅酸蓄电池容量检测模型。极限学习机是一种新的单隐层前馈神经网络（SLFNs）学习算法，不但可以简化参数选择过程，而且可以提高网络的训练速度。在确定最优参数的基础上，建立ELM的航空铅酸蓄电池容量检测模型。实验结果表明：LM获得较高的分类准确率和较快的训练速度，从而验证ELM用于航空铅酸蓄电池容量检测模型的可行性和有效性。

关键词：极限学习机；航空铅酸蓄电池；容量预测；检测模型

0　引言

航空铅酸蓄电池作为机载备用直流电源，用于飞机发动机的起动、照明、通信、导航及随航应急备用。由于其具有安全、稳定、高性能、经济等优点，被广泛应用在中小型飞机及大部分直升机上，其性能直接影响飞行安全。容量是决定航空蓄电池性能的最主要参数[1]，因此，对航空铅酸蓄电池进行容量检测极为重要。

铅酸蓄电池的容量检测方法较多，目前公认的是负载放电测试法（这也是蓄电池厂家推荐的）[2]。这种方法虽然可靠，但频繁的满容量放电会加速蓄电池老化，缩短使用寿命。

极限学习机（extreme learning machine，ELM）算法是南洋理工大学Huang等[3-5]在2004年提出的一种人工神经网络模型训练新算法，它能够有效克服传统神经网络训练参数选取复杂、易陷入局部最优等问题。……