摘要
在检测和诊断模拟电路的故障中,为了解决传统的BP神经网络初始权值和阈值是随机选取的,容易陷入局部最小值,出现不收敛或收敛速度慢的缺点,文中提出了采用粒子群算法来优化传统BP网络的方法。首先利用粒子群算法优化BP神经网络的初始权值和阈值,然后再由改进的BP算法进行训练仿真。通过和在单一改进BP算法下训练的诊断仿真结果进行对比,可以发现通过粒子群算法优化后的神经网络改善了网络不收敛的缺陷,在训练速度以及诊断正确率上都有所提高。
学科与关键词
关键词
粒子群BP神经网络模拟电路故障诊断PSO-BP算法 particle swarm optimization(PSO)back-propagation(BP) neural networksanalog circuit fault diagnosisPSO-BP algorithm
- 基于BP神经网络的模拟电路故障诊断研究朱秀娥吉林工程技术师范学院学报, 2013, (07): 73-75.
- Fault Diagnosis of Power Electronic Circuits Based on Adaptive Simulated Annealing Particle Swarm OptimizationJiang, Deye; Wang, Yiguang*CMC-Computers Materials & Continua, 2023, 76(1): 295-309.被引 2
- 改进粒子群算法优化SVM的故障诊断方法研究苗玉机械工程与自动化, 2019, (06): 14-15+18.
