基于变速粒子群优化的置信规则库参数训练方法

？针对置信规则库(brb)中参数优化模型的求解问题，引入群智能算法中的粒子群优化(pso)算法，提出一种新的参数训练方法。将参数优化模型求解问题转换为带约束条件的非线性优化问题，在迭代寻优时限制粒子在搜索空间中，对失去速度的粒子重新赋予速度，维持种群中粒子多样性，从而实现参数训练。在输油管道检漏问题仿真实验中，训练后系统的平均绝对误差(mae)为0.166478。实验结果表明，所提方法有理想的收敛精度，可用于置信规则库参数训练。