10.3969/j.issn.1004-9037.2008.z1.015
多粒子群优化算法和RBF神经网络在缺陷故障参数红外智能识别中的应用
讨论了利用多粒子群优化算法(Multi-PSO)和径向基函数(RBF)神经网络进行缺陷参数红外识别的途径.PSO算法可以不用计算梯度,算法通用,而使用RBF神经网络作为代理模型,极大简化了复杂、费时的有限元计算,其中训练RBF神经网络的样本由有限元软件的计算结果产生.提出的多粒子群优化算法将粒子群分为若干子群,并利用粒子本身、粒子所在子群以及全局的最优解来更新粒子的速度与位置,该方法收敛速度较慢,但有可能找到问题的多个极小值.最后给出了该方法在缺陷参数红外识别中一个简单的应用例子.
粒子群、优化算法、缺陷识别、径向基函数、神经网络
23
TK12;TN21(热力工程、热机)
总装"十一五"装备维修改革基金KY38010914
2009-01-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
66-72