农业装备与车辆工程
農業裝備與車輛工程
농업장비여차량공정
AGRICULTURAL EQUIPMENT & VEHICLE ENGINEERING
2014年
2期
22-26
,共5页
发动机%差分进化算法%RBF神经网络%故障诊断
髮動機%差分進化算法%RBF神經網絡%故障診斷
발동궤%차분진화산법%RBF신경망락%고장진단
在RBF神经网络中采用差分进化算法来优化RBF神经网络的模型结构,并对其重要参数进行全局寻优.实例仿真结果表明,经过差分算法优化的RBF神经网络不仅相对BP网络学习收敛速度更快,而且提高了发动机故障识别的精确度,从而验证了此种方法的正确性和有效性.
在RBF神經網絡中採用差分進化算法來優化RBF神經網絡的模型結構,併對其重要參數進行全跼尋優.實例倣真結果錶明,經過差分算法優化的RBF神經網絡不僅相對BP網絡學習收斂速度更快,而且提高瞭髮動機故障識彆的精確度,從而驗證瞭此種方法的正確性和有效性.
재RBF신경망락중채용차분진화산법래우화RBF신경망락적모형결구,병대기중요삼수진행전국심우.실례방진결과표명,경과차분산법우화적RBF신경망락불부상대BP망락학습수렴속도경쾌,이차제고료발동궤고장식별적정학도,종이험증료차충방법적정학성화유효성.
