一种萤火虫神经网络及在轴承故障诊断中的应用

TP277; 萤火虫算法作为一种群体智能算法，具有良好的全局寻优特性，可用于解决神经网络在反向传播(Back propagation, BP)算法下易陷入局部极值点、收敛速度慢的问题。但在应用于神经网络时其参数选取缺乏有效依据或经验公式，参数取值不当时，萤火虫神经网络的训练误差无法有效收敛、种群个体之间协同寻优功能易失效。因此，提出一种双层萤火虫改进算法对其参数进行选取。用 UCI 数据及轴承故障试验对算法进行验证，结果表明，应用所提方法后萤火虫神经网络的训练误差收敛值显著减小，并且在训练效率、故障识别率方面均优于BP神经网络、遗传神经网络、粒子群神经网络。