《表1 测试样本期望输出：基于PSO优化RBF神经网络的往复式压缩机故障诊断》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PSO优化RBF神经网络的往复式压缩机故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

依据小波包分解得到的特征向量维度和压缩机4种工作状态确定神经网络输入层和输出层节点数分别为8和4，通过减聚类算法确定隐含层节点数k=10。将四种工作状态进行编码，如表1所示。每种工作状态取10组，共40组数据样本进行神经网络训练，每种工作状态取1组，共4组数据样本用于测试。按上述方法利用改进后PSO算法进行RBF神经网络参数求解。改进后的PSO算法和标准PSO算法粒子适应度随迭代次数的变化如图5所示。实验结果表明，改进后的PSO算法相比标准PSO算法有更高的精度，能够在更大的范围内搜寻全局最优解，一定程度上避免了陷入局部最优解导致提前收敛的问题。