一种基于改进的PSO优化PNN平滑因子的故障分类方法

摘要

本发明涉及故障检测方法技术领域，具体涉及一种基于改进的PSO优化PNN平滑因子的故障分类方法，利用故障样本建立神经网络模型包括：获取已分类正确的样本；将故障样本输入到KPSO‑PNN模型中；训练神经网络模型，直到样本全部正确分类。本专利主要对出现机械故障类型进行判断，概率神经网络主要是解决分类的问题，其中平滑因子σ是在有限的模式样本中提炼出能反映整个样本空间的参数。由于目前σ的取值都是基于经验或有限样本聚类的方法,并不能将空间的概率特性完整地表达出来。基于此，本专利采用卡尔曼粒子群算法对σ进行最优选取，并采用云模型对部分粒子重新生成，加速因子随着迭代步数进行更新，使得粒子具有良好的局部和全局搜索能力，提高了速度的收敛性。