关键词：柴油机；极限学习机；贝叶斯方法；集成学习；多尺度主元分析；故障诊断
摘 要：针对在线贯序极限学习机(OS-ELM)输出不稳定和过学习问题,提出了基于贝叶斯框架的多OS-ELM融合算法.首先通过在目标函数中引入输出矩阵的二范数,将线性回归问题转化为岭回归问题,改善OS-ELM的过学习问题.其次,构建多个OS-ELM分类器对训练样本进行学习,在贝叶斯框架下实现多分类器的在线集成,以提高分类器的输出稳定性.UCI数据集的试验表明,与改进前相比,本算法的分类准确率提高了1.07％～3.35％,100次试验的标准差降低了0.0015～0.0214.柴油机11种工况的故障识别准确率可达到96.86％.