基于MEDO粒子群算法的流量軟測量RBF網(wǎng)絡(luò)優(yōu)化研究.pdf

1、本課題重點(diǎn)研究基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的動態(tài)流量軟測量建模方法及實(shí)用化技術(shù)。針對液壓伺服系統(tǒng)中對動態(tài)流量軟測量模型實(shí)時性和精確性的要求，對RBF神經(jīng)網(wǎng)絡(luò)建模算法進(jìn)行研究，選題對于建立高效的動態(tài)流量軟測量系統(tǒng)具有十分重要的意義。
　　首先，簡要介紹有關(guān)神經(jīng)網(wǎng)絡(luò)的基本理論，研究分析用于建模的RBF網(wǎng)絡(luò)的各種改進(jìn)算法，重點(diǎn)針對RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練精度和訓(xùn)練速度難以同時提升的問題，引入減聚類(SCM)算法優(yōu)化的敏感性分析算法(Sen

2、V)對基函數(shù)的中心進(jìn)行優(yōu)化，在根本上為同時提升神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度和訓(xùn)練速度提供保障。
　　其次，簡要概括有關(guān)粒子群算法(PSO)的基本理論，研究分析目前使用較多的各種粒子群算法，重點(diǎn)針對基本粒子群算法的初始化方法和搜索機(jī)制導(dǎo)致其容易陷入局部最優(yōu)的問題，提出引入改進(jìn)進(jìn)化方向算子(MEDO)的粒子群優(yōu)化算法(IPSO)。通過引入改進(jìn)進(jìn)化方向算子使粒子能夠逃離局部最優(yōu)，在不降低基本粒子群算法局部搜索能力和搜索速度的同時，提高其全局搜索能