文献类型：期刊文章

作　　者：林梅金[1,2] 罗飞[2] 苏彩红[1] 许玉格[2]

机构地区：[1]佛山科学技术学院机械与电气工程学院,广东佛山528000 [2]华南理工大学自动化科学与工程学院,广州510640

出　　处：《控制与决策》

基　　金：广东省自然科学基金项目(S2011010001153);中央高校基本科研业务费专项重点项目(2014ZZ0037)

年　　份：2015

卷　　号：30

期　　号：6

起止页码：1078-1084

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20152801022808)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：提出一种基于差分进化(DE)和粒子群优化(PSO)的混合智能方法——DEPSO算法,并通过对10个典型函数进行测试,表明DEPSO算法具有良好的寻优性能.针对单隐层前向神经网络(SLFNs)提出一种改进的学习算法—DEPSO-ELM算法,即应用DEPSO算法优化SLFNs的隐层节点参数,采用极限学习算法(ELM)求取SLFNs的输出权值.将DEPSO-ELM算法应用于6个典型真实数据集的回归计算,并与DE-ELM、SaE-ELM算法相比,获得了更精确的计算结果.最后,将DEPSO-ELM算法应用于数控机床热误差的建模预测,获得了良好的预测效果.

关 键 词：粒子群优化算法 差分进化算法 极限学习机 混合  

分 类 号：TP18]