基于IRBF神经网络在高压断路器故障诊断中的研究

提出一种基于免疫算法的改进学习算法(IRBF)。该算法将输入数据作为抗原,网络的隐层中心点作为抗体,运用免疫算法得到多样性的抗体记忆集合即为隐层网络的中心点,避免网络隐层中心点难求的问题,然后采用梯度下降法确定权值,用训练好的网络进行高压断路器机械故障诊断。仿真结果表明,该方法对高压断路器的机械振动信号的分析,有很好的应用价值。

智能手机室内背景声感知与定位

利用感知的背景声进行定位是室内定位的一种新型解决方案。拟在无需其他基础设施的条件下,利用智能手机麦克风被动感知室内背景声,实现房间级的定位。采用有监督的学习方式,对房间背景声进行功率第五百分位特征提取,并以此为训练集样本。分别使用k最近邻(KNN)、BP神经网络以及径向基神经网络(RBF)训练算法训练出房间背景声定位模型。以房间识别率与定位耗时为指标,通过线下训练、线上测试的方式对所提方案进行可靠性与有效性的验证。实验结果表明,RBF神经网络房间识别率在75%以上且运行时间较短。