混沌粒子群优化神经网络算法应用于SRG建模

摘要

粒子群算法是解决非线性、不可微问题的一种优秀算法.利用混沌映射的随机性与遍历性,引入防旱熟机制,加强了粒子群的全局搜索能力,但该算法仍然容易在进化后期出现速度变慢现象.BP神经网络具有很强的非线性处理能力和逼近能力,但BP算法是基于梯度下降的方法,存在容易陷入局部最优及初值敏感的缺点.将两种算法优势互补,构建了一种混沌粒子群优化BP神经网络(CPSO-BPNN)的算法.该算法应用到开关磁阻发电机(SRG)的非线性建模中,建模效果表明CPSO-BPNN算法的泛化能力很强,可以比较完美地表达开关磁阻发电机的磁链和转矩特性.