一种结合云模型和 QPSO 优化的 RBFNN及其应用

• 作者: 傅毅 梅娟 赵吉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 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
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 基金项目论文
• 页码范围: 77-80,92
• 页数: 5页
• 分类号: TP273
• 字数: 4198字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.12.020

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵吉	无锡城市学院电子信息工程系	20	95	4.0	8.0
3	傅毅	江南大学电气自动化研究所	19	47	4.0	6.0
4	梅娟	江南大学电气自动化研究所	10	51	3.0	7.0