%0 Journal Article
%T RBF网络参数优化方法及其在开关磁阻电机建模中的应用
%A 彭晓燕
%A 谭震
%A 陈昌荣
%A 黄源
%J 科技导报
%P 42-45
%D 2010
%X 基于全局搜索的进化算法——粒子群算法（QPSO）和一种局部搜索算法——结构化的非线性参数优化方法（SNPOM），提出了一种混合的优化算法估计RBF神经网络中的参数——网络中心、线性参数、非线性参数，初始化一定数目的种群作为SNPOM的初始值，得到其适应值，通过选择、交叉、替换策略更新种群，完成网络中心初始值的寻优。再用SNPOM方法进一步优化，以提高SNPOM算法的全局搜索能力。仿真结果表明，混合优化方法比单独采用SNPOM法更优，且优于其他算法。并针对开关磁阻电机（SRM）高度非线性的开发重点和难点，用RBF网络进行SRM建模，将QPSO-SNPOM算法应用于RBF模型参数优化中，仿真实验结果表明，该算法较SNPOM算法精度更高、泛化能力更强，较遗传混合算法更快，训练后的RBF模型完全满足开关磁阻电机特性。
%K QPSO-SNPOM混合参数优化方法
%K 径向基函数网络
%K 开关磁阻电机建模
%U http://www.kjdb.org/CN/abstract/abstract2797.shtml