摘要：针对传统方法难以精确诊断柴油机的故障问题,基于嵌入式ARM平台设计了一个高精度的柴油机故障诊断系统。提出一种改进的人工蜂群算法并以此优化BP神经网络算法训练故障样本,得到一组精确度较高的故障模型参数。在ARM平台上以该模型参数进行运算诊断获得故障类型。结果表明,改进的人工蜂群算法克服了基本人工蜂群算法易陷入局部最优的缺点,提高了故障诊断结果的精确度。

摘要：针对标准人工蜂群算法收敛速度慢和易陷入局部最优的缺点,提出一种基于混沌趋化行为的改进人工蜂群算法。在雇佣蜂和跟随蜂的搜索过程中引入细菌觅食优化算法的趋化思想,将随机产生蜜源的过程分解为翻转和前进两步,在翻转过程中引入混沌变量,提高算法的局部搜索能力。对5个典型测试函数的仿真结果表明,与标准人工蜂群算法相比,改进后的算法在收敛精度和速度方面均有明显提高。