成长鸡群优化RBF神经网络的亚健康诊断模型

发布时间：2021-01-27 00:52

　　针对RBF神经网络不能准确计算中心向量和节点宽度,导致RBF神经网络识别亚健康准确率达不到最优的问题,提出一种成长鸡群优化RBF神经网络的亚健康诊断模型.首先,对设备数据进行小波变换去除噪声,提取特征,将数据归一化处理;其次,用混沌搜索策略求得成长鸡群的初始种群;最后,对鸡群算法进行改进,将得到的优化参数输入到RBF神经网络模型进行训练,输出结果.解决RBF神经网络参数择优困难以及识别效果不佳问题.实验结果表明,提出算法收敛速度快、亚健康识别准确率较高. 

【文章来源】：小型微型计算机系统. 2020,41(05)北大核心

【文章页数】：6 页

【部分图文】：

成长鸡群算法的流程图

Ackley函数收敛曲线

Alpine函数收敛曲线

【参考文献】：
期刊论文
[1]基于自学习SOM和ARMA算法的数控机床滚动轴承健康预警研究[J]. 夏筱筠,林浒.  小型微型计算机系统. 2019(01)
[2]基于小波变换和改进中值滤波的医学图像耦合去噪算法（英文）[J]. 陈炳权,崔金鸽,徐庆,舒婷,刘宏立.  Journal of Central South University. 2019(01)
[3]基于ADEGWO-SVM的机载燃油泵寿命预测研究[J]. 焦晓璇,景博,李娟,孙萌,王赟.  仪器仪表学报. 2018(08)
[4]基于遗传RBF神经网络的高速电主轴热误差建模[J]. 张捷,李岳,王书亭,苟卫东.  华中科技大学学报(自然科学版). 2018(07)
[5]基于遗传算法的模糊RBF神经网络对遥感图像分类[J]. 杨剑,宋超峰,宋文爱,张涛.  小型微型计算机系统. 2018(03)
[6]基于AQPSO的RBF神经网络自组织学习[J]. 杨刚,王乐,戴丽珍,杨辉,陆荣秀.  控制与决策. 2018(09)
[7]动态系统的故障诊断技术[J]. 周东华,胡艳艳.  自动化学报. 2009(06)

硕士论文
[1]信息重构的改进极限学习机故障诊断研究[D]. 高欣.辽宁大学 2018



本文编号：3002122