基于GAPSO算法优化的ELM神经网络在柴油机故障诊断中的应用

• 作者: 刘溪 陈福光 黄炀
• 来源期刊: 内燃机
• 学科: 工学
• 关键词: 遗传算法 粒子群算法 极限学习机 柴油机 故障诊断
• 年，卷（期）: 2015,（5）
• 页码范围: 26-29
• 页数: 4页
• 分类号: TK428
• 字数: 2494字
• 语种: 中文

摘要

针对极限学习机(ELM)神经网络初始权阈值对算法性能的影响问题,提出一种融合遗传算法(GA)与粒子群算法(Pso)的GAPSO算法,用于优化ELM神经网络初始权阈值.该算法将群组一分为二,分别采用GA和PSO算法,再将优秀个体进行合并,改善了PSO算法全局搜索能力,同时增强了GA算法的局部搜索效能.通过对柴油机故障诊断的实验证明,基于GAPSO优化初始权阈值的ELM神经网络可以有效提升故障诊断精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈福光		8	18	3.0	4.0
2	刘溪		6	8	2.0	2.0
3	黄炀		2	3	1.0	1.0