10.3969/j.issn.1001-8360.2018.12.012
蝙蝠算法优化模糊神经网络的25Hz相敏轨道电路故障诊断研究
针对传统25 Hz相敏轨道电路故障诊断网络求解时收敛速度慢、诊断精度不高的问题,提出智能蝙蝠算法(BA)与模糊逻辑理论(FS)、神经网络(NN)相融合的BA FNN模型,优化网络参数,对25 Hz相敏轨道电路进行故障诊断.考虑到轨道电路特征参数的不确定性、模糊性,运用模糊逻辑理论对轨道电路特征参数进行模糊化预处理;为了克服传统的BP算法存在易陷入局部极小点和速度收敛慢等问题,引入蝙蝠算法,模拟蝙蝠的飞行过程对模糊BP网络的相关参数进行优化;建立最优BA-FNN模型用于网络诊断.仿真结果表明,相对于GA FNN、PSO-FNN比较算法模型,BA-FNN模型不仅学习训练次数明显减少,训练时间缩短,且寻优精度较高,可有效提高25 Hz相敏轨道电路故障诊断的精度.
模糊BP神经网络、蝙蝠算法、25 Hz相敏轨道电路、故障诊断
40
U284.2(铁路通信、信号)
2019-04-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
93-100