数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2008年
z1期
66-72
,共7页
粒子群%优化算法%缺陷识别%径向基函数%神经网络
粒子群%優化算法%缺陷識彆%徑嚮基函數%神經網絡
입자군%우화산법%결함식별%경향기함수%신경망락
讨论了利用多粒子群优化算法(Multi-PSO)和径向基函数(RBF)神经网络进行缺陷参数红外识别的途径.PSO算法可以不用计算梯度,算法通用,而使用RBF神经网络作为代理模型,极大简化了复杂、费时的有限元计算,其中训练RBF神经网络的样本由有限元软件的计算结果产生.提出的多粒子群优化算法将粒子群分为若干子群,并利用粒子本身、粒子所在子群以及全局的最优解来更新粒子的速度与位置,该方法收敛速度较慢,但有可能找到问题的多个极小值.最后给出了该方法在缺陷参数红外识别中一个简单的应用例子.
討論瞭利用多粒子群優化算法(Multi-PSO)和徑嚮基函數(RBF)神經網絡進行缺陷參數紅外識彆的途徑.PSO算法可以不用計算梯度,算法通用,而使用RBF神經網絡作為代理模型,極大簡化瞭複雜、費時的有限元計算,其中訓練RBF神經網絡的樣本由有限元軟件的計算結果產生.提齣的多粒子群優化算法將粒子群分為若榦子群,併利用粒子本身、粒子所在子群以及全跼的最優解來更新粒子的速度與位置,該方法收斂速度較慢,但有可能找到問題的多箇極小值.最後給齣瞭該方法在缺陷參數紅外識彆中一箇簡單的應用例子.
토론료이용다입자군우화산법(Multi-PSO)화경향기함수(RBF)신경망락진행결함삼수홍외식별적도경.PSO산법가이불용계산제도,산법통용,이사용RBF신경망락작위대리모형,겁대간화료복잡、비시적유한원계산,기중훈련RBF신경망락적양본유유한원연건적계산결과산생.제출적다입자군우화산법장입자군분위약간자군,병이용입자본신、입자소재자군이급전국적최우해래경신입자적속도여위치,해방법수렴속도교만,단유가능조도문제적다개겁소치.최후급출료해방법재결함삼수홍외식별중일개간단적응용례자.