基于AGA优化RBF神经网络的矿井通风机故障诊断

来源：电子测量技术杂志2017年第9期北京时间：

作者：余发山

单位：河南理工大学电气工程与自动化学院 焦作 454000

摘要：针对径向基神经网络(RBF)用于故障诊断时存在收敛速度慢、诊断结果准确率低等问题，提出了一种基于自适应遗传算法（AGA）优化RBF神经网络的矿井通风机故障诊断方法。采用AGA对RBF神经网络的隐含层节点数、隐层基函数的中心和宽度进行优化，以此提高RBF网络的泛化能力。通过大量收集和整理工作形成样本集，使用训练样本训练RBF网络，根据网络输出结果对通风机故障进行诊断。仿真结果表明，相较于RBF神经网络，AGA优化的RBF神经网络收敛速度更快，迭代次数更少，能够有效识别通风机故障类型，诊断结果准确率更高。

关键词：矿井通风机;故障诊断;自适应遗传算法;神经网络