PSO聚类和梯度算法结合的RBF神经网络优化.pdf

《PSO聚类和梯度算法结合的RBF神经网络优化.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、PSo聚类和梯度算法结合的RBF神经网络优化孟艳，等PSO聚类和梯度算法结合的RBF神经网络优化ODtimizationofRBFNeuraINetworkBasedonCombinationofPSOCIusteringandGradient-AIgorithms孟托堵宏健(中北大学机械工程与自动化学院，山西太原030051)摘要：针对制约径向基函数RBF神经网络发展及其应用的瓶颈问题，提出一种基于粒子群优化算法PS0的改进K．means聚类思想，以确定其隐节点的数目。结合梯度算法，通过最小化目标函数调节隐节点的数据中心、宽度和输出权值，最终达到优化RBF神经网络的目的；

2、同时，将优化后的网络应用于滚动轴承故障模式识别。试验结果表明，该方法能自适应地确定RBF神经网络隐节点的数日并调整其结构参数，使网络具有较快的收敛速度和较高的收敛精度，从而准确地识别滚动轴承的故障模式。关键词：RBF神经网络Ps0聚类算法梯度算法滚动轴承模式识别优化中图分类号：TP389．1；TP206+．3文献标志码：AAbstract：Aimingatthe1)0Hleneckproblemthatrestrict8山edevelopmentandapplicationofradialbasisfunction(RBF)neumlnetwork，lIIeimproved

3、K—Ine粕sclusteringconceptb鹊edonpanicleswamoptimization(PS0)hasbeenproposedtodeteminethenumberofhiddennodes．Inaddition-bycombinirIgthegmdiemalgoritllm，viaminimizingtheobjectivefunctiontoadjusttIledatacenterandwidthoftIIehiddennodesandweights0fou巾ut。山eoptimizationofRBFne叫alnetworkisachieved．T

4、heoptimizedne伽orkisappliedtothefailufepattemrecognitionofmⅡ堍be8rings．111eresultoftes“ndicakst11attllemethodcarIadaptivelydete肌inet量Ienumber0fhiddennodesofRBFneuralnetworkandadjustthestmcturalpa硼eterstomake血ene伽orkfeaturingfa8terconvergencespeedandhigherconVe唱enceprecision，thusitcanaccurate

5、lyident母tllefailurep砒temofmningbe撕119s．_畸words：RBFneuralnetwo^PsOclusteringalgodtllmG叫ienta190rithmRollingbe撕ngPattemrecognitiI，noptimizationO引言径向基函数RBF(mdialbasisfunction)神经网络具有结构简单、训练简洁、收敛速度快且能以任意精度逼近任意非线性函数等特点，被广泛应用于函数逼近和模式识别等问题⋯。研究表明，制约RBF神经网络发展及应用的瓶颈主要有：如何确定满足精度要求的最小网络拓扑结构；当网络拓扑结构同定时，

6、如何确定隐节点的数据中心和宽度及其与输出节点之间的连接权值，以保证网络的泛化能力。很多学者将“聚类”思想应用于RBF神经网络的优化设计，提出了基于“减聚类、K-means聚类、中心聚类和对手受罚的竞争聚类”等拓扑结构的设计方法，取得了一系列的研究成果旧“1。鉴于以上方法各有利弊”1，本文提出了基于粒子群优化算法Ps0(paniclesw跏叩timization)的改进K—means聚类思想，结合梯国家自然科学基金资助项目(编号：50875247)。修改稿收到日期：20lO—05一14。第一作者孟艳，女，1983年生，现为中北大学机械设计及理论专业在读硕士研究生；主要从事神经

7、网络、粒子群优化算法和机械故障诊断方面的研究。度算法以优化RBF神经网络，并将优化后的网络应用于滚动轴承故障模式识别，具有理论研究和实际意义。1PSo改进的K-mea璐聚类算法聚类分析(clustering)是利用某种相似性度量方法，根据样本特征将样本进行归类的过程旧，，它可以被看成是一个复杂的全局优化问题⋯。粒子群优化算法PsO是由J．Kennedy和R．Eberhart于1995年在IEEE国际神经网络学术会议上提出的基于迭代策略的全局优化算法f81。PS0算法具有概念简单、程序易实现、需要调整的参数少且不需要