[发明专利]一种采用混合蛙跳的小波神经网络来计算声发射源位置的方法

权利要求书

1.一种采用混合蛙跳的小波神经网络计算声发射源位置的方法，其特征在于：包括使用混合蛙跳算法来训练神经网络，首先定义蛙的矢量位置，假定蛙的初始数量为40，每只蛙的位置矢量为：x(i)＝[ω_i1,Lω_ij,a_i1,La_ij,b_i1,Lb_ij]，i=1,2,…,40，其中j表示隐层神经元的数量，神经网络的适应功能相当于均方误差指示器，它的方程式为：其中J(k,i)第i个蛙在k次迭代后的健身值，n为训练样本数，y_m,i是第i个蛙在输入m个样本后的理想输出值，是第i个蛙在输入m个样本后的实际输出值，k是迭代次数，N最大迭代次数，基于混合蛙跳算法的参数学习过程如下：

a）根据隐层数量和小波神经网络的参数来决定模型的尺寸；

b）准备成对的训练数据；

c）初始化种群数量，计算每个个体的适应值，如果适应值满足精度要求，进入步骤E）；

d）找出最差个体并且根据蛙跳算法取代它，如果最好的个体满足精度要求，进入步骤e），否则重复步骤d）直到所需的精度是令人满意的；

e)输出优化后的参数并实施小波神经网络；

通过发声试验台发出声源信号，所述发声试验台上安装有传感器，利用传感器的到声源信号幅值和能量，并将传感器的坐标和所接收的信号能量的比值作为小波神经网络的输入值，则小波神经网络的输出值则为声源信号距离传感器的网络预测距离值。

2.如权利要求1所述的一种采用混合蛙跳的小波神经网络来计算声发射源位置的方法，其特征在于：所述小波神经网络是用小波函数作为神经元的激活函数使得小波与BP神经网络产生关联。

3.如权利要求1所述的一种采用混合蛙跳的小波神经网络来计算声发射源位置的方法，其特征在于：所述小波神经网络具有良好的识别功能，小波神经网络的小波变换满足ψ(t)∈L²(R)，L²(R)是实数的平方可积空间，它是能量有限信号空间，Ψ(ω)表示的ψ(t)傅立叶变换，ψ(t)表示小波母函数，所述小波母函数经过拉伸偏移转换后得到一个小波序列：

ψa,b(t)=|a|-1/2ψ(t-ba)a,b∈R;a≠0,]]>其中a表示拉伸因子，b表示偏移因子，如果小波母函数f(t)∈L²(R)，f(t)的小波变换定义为：

Wf(a,b)=<f,ψa,b>=|a|-1/2∫Rf(t)ψ(t-ba)dt]]>，f(t)反变换的定义是：

f(t)=1Cψ∫R1a2Wf(a,b)ψ(t-ba)dadb,]]>f(t)的离散形式的是：f(t)=Σi=1kωiψ(t-biai).]]>