一种结合云模型和QPSO优化的RBFNN及其应用  

A RBF NEURAL NETWORK COMBINING CLOUD MODEL AND QPSO AND ITS APPLICATION

作　　者：赵吉[1,2] 梅娟[2] 傅毅[2] 

机构地区：[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

出　　处：《计算机应用与软件》2013年第12期77-80,92,共5页Computer Applications and Software

基　　金：国家自然科学基金项目(61170119);江苏省博士后科研资助项目(1101124C)

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QPSO-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。In this paper we introduce a learning method of radial basis function （RBF） neural network which is based on quantum-behaved particle swarm optimisation with cloud mutation operation （QPSO-CM）. First, the QPSO adds the cloud mutation operation by using cloud model to increase its diversity; then the method uses the subtractive clustering method to determine the unit number of radial basis layer in RBF neural network; finally, it optimises the parameters （central position and directional width） of RBF neural network and the connection weight by QPSO-CM. Applying the method to gear faults diagnosis, the simulation results show that this method is effective with high diagnosis accuracy and fast convergence.

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 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]