為了更快速且精確地診斷出大規(guī)模多處理器系統(tǒng)中的故障單元,該文首次將改進的煙花算法和反向傳播（BP）神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種新的系統(tǒng)級故障診斷算法—煙花-反向傳播神經(jīng)網(wǎng)絡(luò)故障診斷算法（FWA-BPFD）。首先,在煙花算法中引入雙種群策略、協(xié)作算子以及最優(yōu)算子,設(shè)計新的適應度函數(shù),優(yōu)化變異算子、映射規(guī)則和選擇策略。然后,利用煙花算法全局搜索能力和局部搜索能力的自調(diào)節(jié)機制,優(yōu)化BP神經(jīng)網(wǎng)絡(luò)中的權(quán)值和閾值的尋優(yōu)過程。仿真實驗結(jié)果表明,該文算法相較于其他算法不僅有效地降低了迭代次數(shù)和訓練時間,而且還進一步提高了診斷精度。 

【文章來源】：電子與信息學報. 2020年05期 北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

圖13層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

(8)X′′i=(1a)·Xi+a·Xj(9)其中，a表示算數(shù)交叉因子。X′iX′′iXiXi對經(jīng)過協(xié)作算子操作之后生成的新個體和進行評價，如果新個體優(yōu)于，則將新個體中最優(yōu)的那個個體替換掉。通過協(xié)作算子，兩個種群之間可以進行很好的信息交換，實現(xiàn)了種群之間的協(xié)同進化。3.2.6最優(yōu)算子為了進一步提高算法的尋優(yōu)能力，本文在煙花算法中引入了最優(yōu)算子，利用種群中最優(yōu)煙花的信息進入當前煙花個體區(qū)域進行搜索以優(yōu)化當前煙花個體信息。該種策略主要是綜合了最優(yōu)煙花個體的圖2均勻交叉運算示意圖1104電子與信息學報第42卷

縋Ｐ偷墓丶?問?饕?校閡???層數(shù)e，隱含層神經(jīng)元個數(shù)s，激活函數(shù)f，網(wǎng)絡(luò)節(jié)點的權(quán)值以及網(wǎng)絡(luò)節(jié)點的閾值θ等。其具體參數(shù)設(shè)置如下：n≤100n>100(1)隱含層層數(shù)e：采用單層隱含層結(jié)構(gòu)的網(wǎng)絡(luò)即可解決簡單問題，但對于映射關(guān)系比較復雜的問題需要采用兩個或兩個以上隱含層結(jié)構(gòu)的網(wǎng)絡(luò)來解決。先后有人證明了一個3層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)就可以實現(xiàn)任意n維空間到m維空間的映射[16]，所以現(xiàn)設(shè)定：當系統(tǒng)規(guī)模的時候，神經(jīng)網(wǎng)絡(luò)隱含層個數(shù)設(shè)置為1，而當系統(tǒng)規(guī)模的時候，神經(jīng)網(wǎng)絡(luò)隱含層個數(shù)設(shè)置為2。圖3煙花算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的流程圖第5期歸偉夏等：關(guān)于系統(tǒng)級故障診斷的煙花-反向傳播神經(jīng)網(wǎng)絡(luò)算法1105

【參考文獻】：
期刊論文
[1]基于頭腦風暴優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)模糊圖像復原[J]. 梁曉萍,郭振軍,朱昌洪.  電子與信息學報. 2019(12)
[2]基于構(gòu)造代價函數(shù)求解的自同步擾碼盲識別方法[J]. 韓樹楠,張旻,李歆昊.  電子與信息學報. 2018(08)
[3]一種基于PMC模型下的概率性矩陣診斷算法[J]. 馮海林,雷花,梁倫.  南京理工大學學報. 2017(04)
[4]一種Malek模型下的系統(tǒng)故障診斷算法[J]. 歸偉夏,劉翠.  計算機工程與應用. 2017(13)
[5]基于互連網(wǎng)絡(luò)系統(tǒng)故障的新型自適應診斷算法[J]. 云龍,梁家榮,周寧.  計算機應用研究. 2017(09)

碩士論文
[1]關(guān)于系統(tǒng)級故障診斷的兩種高效算法[D]. 趙冬.南京財經(jīng)大學 2016
[2]基于BP神經(jīng)網(wǎng)絡(luò)的系統(tǒng)級故障診斷算法研究[D]. 劉田田.南京財經(jīng)大學 2015



本文編號：2921377