| 基于优化的GRNN和BP神经网络的磁滞曲线拟合对比分析 |
| |
| 引用本文： | 何汉林,孟爱华,祝甲明,宋红晓. 基于优化的GRNN和BP神经网络的磁滞曲线拟合对比分析[J]. 机电工程, 2013, 30(1): 116-120 |
| |
| 作者姓名： | 何汉林 孟爱华 祝甲明 宋红晓 |
| |
| 作者单位： | 1. 杭州电子科技大学机械工程学院,浙江杭州,310018
2. 杭州浙大精益机电技术工程有限公司,浙江杭州,310000 |
| |
| 基金项目： | 国家自然科学基金资助项目，浙江省自然科学基金资助项目，浙江省重点科技创新团队资助项目 |
| |
| 摘 要： | 针对超磁致伸缩材料(GMM)的磁滞非线性,运用广义回归神经网络(GRNN)和前馈BP神经网络分别对GMM的磁滞回线进行非线性逼近,通过网络的训练、预测,与Jiles-Atherton(J-A)模型进行了对比,分析了两种神经网络的逼近效果,给GMM的运用起到了很好的指导作用。其中,在GRNN神经网络中,由于所取数据有限,为了扩大样本容量,采取交叉验证方法对GRNN神经网络进行了训练,采用循环算法找出了最佳的径向基函数扩展系数SPREAD,并对传统GRNN神经网络进行了优化。研究结果表明:优化后的GRNN神经网络对于磁滞回线的预测精度明显高于BP神经网络。
|
| 关 键 词： | 超磁致伸缩材料 广义回归神经网络 BP神经网络 磁滞曲线拟合 |
Contrast analysis of hysteresis curve fitting between optimized GRNN and BP neural network |
| |
| HE Han-lin , MENG Ai-hua , ZHU Jia-ming , SONG Hong-xiao. Contrast analysis of hysteresis curve fitting between optimized GRNN and BP neural network[J]. Mechanical & Electrical Engineering Magazine, 2013, 30(1): 116-120 |
| |
| Authors: | HE Han-lin MENG Ai-hua ZHU Jia-ming SONG Hong-xiao |
| |
| Affiliation: | 1.College of Mechanical Engineering,Hangzhou Dianzi University,Hangzhou 310018,China;2.Hangzhou Zhejiang University Jingyi Electromechanical Technology Engineering Co.,Ltd.,Hangzhou 310000,China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
