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

• 作者: 孙丰瑞 寇蔚 杨立
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 粒子群 优化算法 缺陷识别 径向基函数 神经网络
• 年，卷（期）: 2008,（z1）
• 所属期刊栏目: 信号检测与处理
• 页码范围: 66-72
• 页数: 7页
• 分类号: TK12|TN21
• 字数: 5515字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2008.z1.015

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨立	海军工程大学船舶与动力学院	174	1546	19.0	29.0
2	孙丰瑞	海军工程大学船舶与动力学院	316	1992	21.0	29.0