Fault Diagnosis Based on Improved Tabu Search Algorism and ANN
基于改进禁忌算法和ANN 的故障诊断推理

针对BP神经网络存在着容易陷入局部极小值且收敛速度慢的问题，提出了一种基于改进禁忌算法和ANN（Artificial neural network）结合的故障诊断模型．首先对故障诊断模型进行了定义，然后使用训练数据对网络的权值、阀值等参数进行训练，将训练结果作为改进禁忌优化算法的初始解进行全局寻优，对改进的禁忌优化算法进行了定义和描述，最后将全局寻优的结果代入神经网络中，使用测试数据进行故障诊断．通过仿真实验证明文中的方法与未经优化的ANN故障诊断模型相比，克服了传统方法的不足，具有诊断精度高、诊断速度快以及收敛速度快的特点．