1.一种混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,包括:
2.根据权利要求1所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,基于所述伏安特性曲线,提取所述各个管脚的特征值,并构建待检测芯片的故障模型的步骤,包括:
3.根据权利要求1所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,利用logistic-sine-cosine混沌映射初始化麻雀种群的步骤,包括:
4.根据权利要求3所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,基于初始化的麻雀种群,利用引入萤火虫扰动的麻雀搜索算法fssa搜索搭建的bp神经网络的最优参数的步骤,包括:
5.根据权利要求4所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,按照如下公式,根据所述发现者的当前位置更新其在下一次迭代时的位置:
6.根据权利要求5所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,按照如下公式,根据所述加入者的当前位置更新其在下一次迭代过程中的位置:
7.根据权利要求6所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,按照如下公式,根据所述警戒者的当前位置更新其在下一次迭代时的位置:
8.根据权利要求4所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,按照如下公式计算各个萤火虫个体的荧光亮度作为适应度值:
9.根据权利要求8所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,按照如下公式计算各萤火虫个体的吸引度:
10.根据权利要求9所述的混合搜索算法优化bp神经网络的多芯片故障诊断方法,其特征在于,所述萤火虫扰动公式为: