基于改进径向基神经网络的船舶设备故障诊断方法

• 作者: 丁秋林 谢强 韩珂
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 船舶设备故障诊断 径向基神经网络 人工蜂群算法 反向学习策略 自适应策略
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 8-14,19
• 页数: 8页
• 分类号: TP391
• 字数: 7089字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.06.002

摘要

针对目前船舶设备故障诊断方法存在适用性不广、准确度不高等问题,引入径向基神经网络船舶设备故障诊断方法.提出一种基于反向学习和自适应搜索策略结合的改进人工蜂群算法,通过反向学习策略进行蜜源初始化,提高初始解的质量,并在迭代过程中自适应调整搜索步长,提升原算法的收敛性能和局部寻优能力.将该算法与径向基神经网络的参数寻优相结合,构造性能良好的故障诊断分类器.实验结果表明,该方法有效提高了故障诊断的准确性和适用性,满足船舶设备故障诊断的实时性能要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁秋林	南京航空航天大学计算机科学与技术学院	259	3203	30.0	43.0
2	谢强	南京航空航天大学计算机科学与技术学院	89	1015	18.0	27.0
3	韩珂	南京航空航天大学计算机科学与技术学院	2	5	2.0	2.0