期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
RBF网络参数优化方法及其在开关磁阻电机建模中的应用
被引量:
1
1
作者
彭晓燕
谭震
+1 位作者
陈昌荣
黄源
《科技导报》
CAS
CSCD
北大核心
2010年第19期42-45,共4页
基于全局搜索的进化算法——粒子群算法(QPSO)和一种局部搜索算法——结构化的非线性参数优化方法(SNPOM),提出了一种混合的优化算法估计RBF神经网络中的参数——网络中心、线性参数、非线性参数,初始化一定数目的种群作为SNPOM的初始值...
基于全局搜索的进化算法——粒子群算法(QPSO)和一种局部搜索算法——结构化的非线性参数优化方法(SNPOM),提出了一种混合的优化算法估计RBF神经网络中的参数——网络中心、线性参数、非线性参数,初始化一定数目的种群作为SNPOM的初始值,得到其适应值,通过选择、交叉、替换策略更新种群,完成网络中心初始值的寻优。再用SNPOM方法进一步优化,以提高SNPOM算法的全局搜索能力。仿真结果表明,混合优化方法比单独采用SNPOM法更优,且优于其他算法。并针对开关磁阻电机(SRM)高度非线性的开发重点和难点,用RBF网络进行SRM建模,将QPSO-SNPOM算法应用于RBF模型参数优化中,仿真实验结果表明,该算法较SNPOM算法精度更高、泛化能力更强,较遗传混合算法更快,训练后的RBF模型完全满足开关磁阻电机特性。
展开更多
关键词
QPSO-SNPOM混合参数优化方法
径向基函数网络
开关磁阻电机建模
原文传递
题名
RBF网络参数优化方法及其在开关磁阻电机建模中的应用
被引量:
1
1
作者
彭晓燕
谭震
陈昌荣
黄源
机构
湖南大学
汽车车身先进设计制造国家重点实验室
出处
《科技导报》
CAS
CSCD
北大核心
2010年第19期42-45,共4页
基金
湖南省自然科学基金项目(07JJ3126)
文摘
基于全局搜索的进化算法——粒子群算法(QPSO)和一种局部搜索算法——结构化的非线性参数优化方法(SNPOM),提出了一种混合的优化算法估计RBF神经网络中的参数——网络中心、线性参数、非线性参数,初始化一定数目的种群作为SNPOM的初始值,得到其适应值,通过选择、交叉、替换策略更新种群,完成网络中心初始值的寻优。再用SNPOM方法进一步优化,以提高SNPOM算法的全局搜索能力。仿真结果表明,混合优化方法比单独采用SNPOM法更优,且优于其他算法。并针对开关磁阻电机(SRM)高度非线性的开发重点和难点,用RBF网络进行SRM建模,将QPSO-SNPOM算法应用于RBF模型参数优化中,仿真实验结果表明,该算法较SNPOM算法精度更高、泛化能力更强,较遗传混合算法更快,训练后的RBF模型完全满足开关磁阻电机特性。
关键词
QPSO-SNPOM混合参数优化方法
径向基函数网络
开关磁阻电机建模
Keywords
QPSO-SNPOM optimization method
radial basis function network
switched reluctance motor modeling
分类号
TM352 [电气工程—电机]
原文传递
题名
作者
出处
发文年
被引量
操作
1
RBF网络参数优化方法及其在开关磁阻电机建模中的应用
彭晓燕
谭震
陈昌荣
黄源
《科技导报》
CAS
CSCD
北大核心
2010
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部