資源描述：
《PSO聚類和梯度算法結(jié)合的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、PSo聚類和梯度算法結(jié)合的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化孟艷，等PSO聚類和梯度算法結(jié)合的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化ODtimizationofRBFNeuraINetworkBasedonCombinationofPSOCIusteringandGradient-AIgorithms孟托堵宏健(中北大學(xué)機(jī)械工程與自動(dòng)化學(xué)院，山西太原030051)摘要：針對制約徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)發(fā)展及其應(yīng)用的瓶頸問題，提出一種基于粒子群優(yōu)化算法PS0的改進(jìn)K．means聚類思想，以確定其隱節(jié)點(diǎn)的數(shù)目。結(jié)合梯度算法，通過最小化目標(biāo)函數(shù)調(diào)節(jié)隱節(jié)點(diǎn)的數(shù)據(jù)中心、寬度和輸出權(quán)值，最終達(dá)到優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的目的；
2、同時(shí)，將優(yōu)化后的網(wǎng)絡(luò)應(yīng)用于滾動(dòng)軸承故障模式識別。試驗(yàn)結(jié)果表明，該方法能自適應(yīng)地確定RBF神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)的數(shù)日并調(diào)整其結(jié)構(gòu)參數(shù)，使網(wǎng)絡(luò)具有較快的收斂速度和較高的收斂精度，從而準(zhǔn)確地識別滾動(dòng)軸承的故障模式。關(guān)鍵詞：RBF神經(jīng)網(wǎng)絡(luò)Ps0聚類算法梯度算法滾動(dòng)軸承模式識別優(yōu)化中圖分類號：TP389．1；TP206+．3文獻(xiàn)標(biāo)志碼：AAbstract：Aimingatthe1)0Hleneckproblemthatrestrict8山edevelopmentandapplicationofradialbasisfunction(RBF)neumlnetwork，lIIeimproved
3、K—Ine粕sclusteringconceptb鵲edonpanicleswamoptimization(PS0)hasbeenproposedtodeteminethenumberofhiddennodes．Inaddition-bycombinirIgthegmdiemalgoritllm，viaminimizingtheobjectivefunctiontoadjusttIledatacenterandwidthoftIIehiddennodesandweights0fou巾ut。山eoptimizationofRBFne叫alnetworkisachieved．T
4、heoptimizedne伽orkisappliedtothefailufepattemrecognitionofmⅡ堍be8rings．111eresultoftes“ndicakst11attllemethodcarIadaptivelydete肌inet量Ienumber0fhiddennodesofRBFneuralnetworkandadjustthestmcturalpa硼eterstomake血ene伽orkfeaturingfa8terconvergencespeedandhigherconVe唱enceprecision，thusitcanaccurate
5、lyident母tllefailurep砒temofmningbe撕119s．_畸words：RBFneuralnetwo^PsOclusteringalgodtllmG叫ienta190rithmRollingbe撕ngPattemrecognitiI，noptimizationO引言徑向基函數(shù)RBF(mdialbasisfunction)神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、訓(xùn)練簡潔、收斂速度快且能以任意精度逼近任意非線性函數(shù)等特點(diǎn)，被廣泛應(yīng)用于函數(shù)逼近和模式識別等問題?。研究表明，制約RBF神經(jīng)網(wǎng)絡(luò)發(fā)展及應(yīng)用的瓶頸主要有：如何確定滿足精度要求的最小網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；當(dāng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)同定時(shí)，
6、如何確定隱節(jié)點(diǎn)的數(shù)據(jù)中心和寬度及其與輸出節(jié)點(diǎn)之間的連接權(quán)值，以保證網(wǎng)絡(luò)的泛化能力。很多學(xué)者將“聚類”思想應(yīng)用于RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)，提出了基于“減聚類、K-means聚類、中心聚類和對手受罰的競爭聚類”等拓?fù)浣Y(jié)構(gòu)的設(shè)計(jì)方法，取得了一系列的研究成果舊“1。鑒于以上方法各有利弊”1，本文提出了基于粒子群優(yōu)化算法Ps0(paniclesw跏叩timization)的改進(jìn)K—means聚類思想，結(jié)合梯國家自然科學(xué)基金資助項(xiàng)目(編號：50875247)。修改稿收到日期：20lO—05一14。第一作者孟艷，女，1983年生，現(xiàn)為中北大學(xué)機(jī)械設(shè)計(jì)及理論專業(yè)在讀碩士研究生；主要從事神經(jīng)
7、網(wǎng)絡(luò)、粒子群優(yōu)化算法和機(jī)械故障診斷方面的研究。度算法以優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)，并將優(yōu)化后的網(wǎng)絡(luò)應(yīng)用于滾動(dòng)軸承故障模式識別，具有理論研究和實(shí)際意義。1PSo改進(jìn)的K-mea璐聚類算法聚類分析(clustering)是利用某種相似性度量方法，根據(jù)樣本特征將樣本進(jìn)行歸類的過程舊，，它可以被看成是一個(gè)復(fù)雜的全局優(yōu)化問題?。粒子群優(yōu)化算法PsO是由J．Kennedy和R．Eberhart于1995年在IEEE國際神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議上提出的基于迭代策略的全局優(yōu)化算法f81。PS0算法具有概念簡單、程序易實(shí)現(xiàn)、需要調(diào)整的參數(shù)少且不需要
