10.3969/j.issn.1004-6801.2013.04.017
基于混合杂草算法的神经网络优化策略
通过对入侵式杂草优化算法(invasive weed optimization,简称IWO)和神经网络(neural networks,简称NN)特点的分析,提出了一种新的混合杂草算法(hybrid invasive weed optimization,简称HIWO)来优化NN的权值、阈值和结构.为了提升算法的效果,在HIWO中引入遗传算法(genetic algorithm,简称GA)的交叉算子和粒子群算法(particle swarm opmtimization,简称PSO)的矢量跟踪思想.构建了NN模型参数的IWO主副分区编码方案,根据个体适应度值的大小来动态调整隐层节点及连接权个数,并给出算法的整个实现过程.以转子实验台故障数据的四类谱熵作为HIWO-NN的训练样本,通过实例仿真与GA,PSO和IWO构建的NN结构进行比较.仿真结果表明,采用HIWO的NN能快速、准确地实现故障信号的分类,验证了该算法的有效性,为故障诊断提供了一种新的方法和手段.
混合杂草算法、神经网络、优化、遗传算法、粒子群算法、故障诊断
33
TH113;TH165
国家自然科学基金资助项目51275266;浙江省自然科学基金资助项目LY12E05010;甘肃省高等学校基本科研业务费资助项目1202ZTC057;留学回国人员择优资助项目1002ZSB114;甘肃省自然科学基金资助项目1112RJZA003
2013-10-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
634-639