基于优化的GRNN和BP神经网络的磁滞曲线拟合对比分析*

作者：何汉林1，孟爱华1*，祝甲明1，宋红晓2 日期：2013-04-08/span> 浏览：3848 查看PDF文档

基于优化的GRNN和BP神经网络的磁滞曲线拟合对比分析*

何汉林1，孟爱华1*，祝甲明1，宋红晓2
（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）

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
中图分类号： TH39； TM1； TP183       文献标志码：A  文章编号：1001-4551（2013）01-0116-05

 

 

本文的文献著录格式：

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.
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].Journal of Mechanical & Electrical Engineering,2013,30(1):116-120.