一种结合云模型和QPSO优化的RBFNN及其应用.pdfVIP

第３０卷第１２期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．１２ ２０１３年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１３ 一种结合云模型和ＱＰＳＯ优化的ＲＢＦＮＮ及其应用 １，２ ２ ２ 赵　吉 　梅　娟 　傅　毅 １（无锡城市学院电子信息工程系　江苏无锡２１４０００） ２（江南大学电气自动化研究所　江苏无锡２１４１２２） 摘　要　　提出一种基于云变异操作的量子行为粒子群优化算法（ＱＰＳＯＣＭ）的径向基函数神经网络（ＲＢＦＮＮ）学习方法。首先 ＱＰＳＯ算法利用云模型加入云变异操作，增加算法多样性；然后利用减聚类算法确定ＲＢＦ神经网络径向基层的单元数；最后用ＱＰ ＳＯＣＭ算法对ＲＢＦ神经网络的参数（中心与宽度）和连接权重进行优化。将此算法用于齿轮的故障诊断，仿真诊断结果表明此方法 是有效的，具有较好的分类效果，诊断精度高、收敛速度快。 关键词　　云模型　量子行为粒子群算法　径向基函数神经网络　故障诊断 中图分类号　ＴＰ２７３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．１２．０２０ ＡＲＢＦＮＥＵＲＡＬＮＥＴＷＯＲＫＣＯＭＢＩＮＩＮＧＣＬＯＵＤ ＭＯＤＥＬＡＮＤＱＰＳＯＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮ １，２ ２ ２ ＺｈａｏＪｉ　ＭｅｉＪｕａｎ　ＦｕＹｉ １（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｘｉＣｉｔｙＣｏｌｌｅｇｅ，Ｗｕｘｉ２１４０００，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） ２（ＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｉｃａｌＡｕｔｏｍａｔｉｏｎ，ＪｉａｎｇｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｔｈｉｓｐａｐｅｒｗｅｉｎｔｒｏｄｕｃｅａｌｅａｒｎｉｎｇｍｅｔｈｏｄｏｆｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ＲＢＦ）ｎｅｕｒａｌｎｅｔｗｏｒｋｗｈｉｃｈｉｓｂａｓｅｄｏｎｑｕａｎｔｕｍｂｅｈａｖｅｄ ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎｗｉｔｈｃｌｏｕｄｍｕｔａｔｉｏｎｏｐｅｒａｔｉｏｎ（ＱＰＳＯＣＭ）．Ｆｉｒｓｔ，ｔｈｅＱＰＳＯａｄｄｓｔｈｅｃｌｏｕｄｍｕｔａｔｉｏｎｏｐｅｒａｔｉｏｎｂｙｕｓｉｎｇｃｌｏｕｄ ｍｏｄｅｌｔｏｉｎｃｒｅａｓｅｉｔｓｄｉｖｅｒｓｉｔｙ；ｔｈｅｎｔｈｅｍｅｔｈｏｄｕｓｅｓｔｈｅｓｕｂｔｒａｃｔｉｖｅｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｕｎｉｔｎｕｍｂｅｒｏｆｒａｄｉａｌｂａｓｉｓｌａｙｅｒｉｎ ＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋ；ｆｉｎａｌｌｙ，ｉｔｏｐｔｉｍｉｓｅｓｔｈｅｐａｒａｍｅｔｅｒｓ（ｃｅｎｔｒａｌｐｏｓｉｔｉｏｎａｎｄｄｉｒｅｃｔｉｏｎａｌｗｉｄｔｈ）ｏｆＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｔｈｅｃｏｎｎｅｃｔｉｏｎ ｗｅｉｇｈｔｂｙＱＰＳＯＣＭ．Ａｐｐｌｙｉｎｇｔｈｅｍｅｔｈｏｄｔｏｇｅａｒｆａｕｌｔｓｄｉａｇｎｏｓｉｓ，ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｉｓｅｆｆｅｃｔｉｖｅｗｉｔｈｈｉｇｈ ｄｉａｇｎｏｓｉｓａｃｃｕｒａｃｙａｎｄｆａｓｔｃｏｎｖｅｒｇｅｎｃｅ． Ｋｅｙｗｏｒｄｓ　　Ｃｌｏｕｄｍｏｄｅｌ　Ｑｕａｎｔｕｍｂｅｈａｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ　Ｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｆａｕｌｔｓｄｉａｇｎｏｓｉｓ 法优化的ＲＢＦ神经网络。机械故障诊断中利用ＲＢＦ网络，可以 ０　引　言