《机电工程》杂志,月刊( 详细... )
中国标准连续出版物号: ISSN 1001-4551 CN 33-1088/TH
主办单位:浙江省机电集团有限公司
浙江大学
主编:陈 晓
副 主 编:唐任仲、罗向阳(执行主编)
总 经 理:罗向阳
出 版:浙江《机电工程》杂志社有限公司
地 址:杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel:+86-571-87041360、87239525
E-mail:meem_contribute@163.com
国外发行:中国国际图书贸易总公司
订阅:全国各地邮局 国外代号:M3135
国内发行:浙江省报刊发行局
邮发代号:32-68
广告发布登记证:杭上市管广发G-001号
在线杂志 |
当前位置: 机电工程 >>在线杂志 |
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:3384 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.
友情链接