电子制作
電子製作
전자제작
ELECTRONICS DIY
2015年
2期
20-21
,共2页
粒子群神经网络%动态加速常数协同惯性权重%动量及自适应学习率%故障诊断
粒子群神經網絡%動態加速常數協同慣性權重%動量及自適應學習率%故障診斷
입자군신경망락%동태가속상수협동관성권중%동량급자괄응학습솔%고장진단
为了诊断模拟电路中的故障，在粒子群算法和BP神经网络的基础上，本文提出了一种动态加速常数协同惯性权重的粒子群算法和动量及自适应学习率的BP算法的混合算法训练神经网络权值，使得动态加速常数协同惯性权重的粒子群算法与动量及自适应学习率的BP算法相互补充，提高网络性能，克服了传统BP算法收敛速度不快的缺点。通过对容差模拟电路硬故障的诊断，表明该算法提高了网络的学习速度，能够实现对容差模拟电路硬故障的诊断。
為瞭診斷模擬電路中的故障，在粒子群算法和BP神經網絡的基礎上，本文提齣瞭一種動態加速常數協同慣性權重的粒子群算法和動量及自適應學習率的BP算法的混閤算法訓練神經網絡權值，使得動態加速常數協同慣性權重的粒子群算法與動量及自適應學習率的BP算法相互補充，提高網絡性能，剋服瞭傳統BP算法收斂速度不快的缺點。通過對容差模擬電路硬故障的診斷，錶明該算法提高瞭網絡的學習速度，能夠實現對容差模擬電路硬故障的診斷。
위료진단모의전로중적고장，재입자군산법화BP신경망락적기출상，본문제출료일충동태가속상수협동관성권중적입자군산법화동량급자괄응학습솔적BP산법적혼합산법훈련신경망락권치，사득동태가속상수협동관성권중적입자군산법여동량급자괄응학습솔적BP산법상호보충，제고망락성능，극복료전통BP산법수렴속도불쾌적결점。통과대용차모의전로경고장적진단，표명해산법제고료망락적학습속도，능구실현대용차모의전로경고장적진단。
