基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用

摘要

针对复杂时间信号动态模式分类问题,提出了一种基于局部核函数与全局核函数组合的径向基过程神经网络(RBFPNN)模型.考虑时间信号过程特征的多样性和复杂性,以及核函数对信号分布形态特征的局部与全局表征能力,通过将具有全局性质的多项式核函数与具有局部性质的高斯核函数进行线性叠加,构成组合核函数,以此建立一种新的径向基过程神经网络,从信息模型上改善RBFPNN对动态样本复杂过程特征的抽取和记忆性质,提高网络对时间信号特征的辨识能力.分析了基于RBFPNN的性质,建立了基于混沌遗传算法CGA的模型参数优化算法.以基于示功图的往复运动机械工作状态诊断为例,实际资料处理结果验证了模型和算法的有效性.