欢迎登录材料期刊网

材料期刊网

高级检索

基于牯结NdFeB永磁体制备工艺优化实验,针对普通反向传播神经网络(BPNN)方法在预报建模中普遍存在"过拟合"和泛化能力差的问题,从优化实验方案、减少输入层节点数两个角度,结合均匀设计软件和主成分分析方法,提高训练样本的分布均匀性、"主动"改善网络结构,建立了一个粘结NdFeB永磁体制备工艺优化的2-5-3型BPNN预测模型.研究结果表明,改进的BP神经网络模型对BrHcj及(BH)m预测的相对误差的最大值分别为1.83%,1.28%和1.53%,较之传统的模型,泛化能力显著提高,网络预测也比较稳定,具有很好的实用性.

参考文献

[1] 袁军,曾鹰,韩江雪.均匀设计和神经网络优化高固量聚丙烯酰胺的合成工艺[J].武汉工程大学学报,2007(03):26-29,96.
[2] 刘锦云,王克强,陈良辉,查五生.固化温度和时间对快淬粘结磁体性能的影响[J].稀有金属,2006(02):138-140.
[3] 沈文娟,王宝奇,谷南驹,于文英.NdFeB粘结磁体性能影响因素的研究[J].河北工业大学学报,2003(04):82-86.
[4] 孙爱芝,李智伟,韩景智,李涛,张正义,肖耀福.用模压成型方法制备HDDR粘结NdFeB磁体的成型性研究[J].中国稀土学报,2002(03):231-233.
[5] 金龙,况雪源,黄海洪,覃志年,王业宏.人工神经网络预报模型的过拟合研究[J].气象学报,2004(01):62-70.
[6] Wu Yan;Zhang Liming.A new regularization learning method for improving genendization capability of neural network[A].上海,2002:2011.
[7] 黄渝鸿,吴菊英,朱正吼,付强,梅军,郭静,马广斌.基于Fe73.5Cu1Nb3Si13.5B9非晶/纳米晶粉的压磁复合材料研究[J].稀有金属,2008(02):165-170.
[8] CHEN Gang,YANG Xiao-lin,GAO Dan-ying,NI Jian-sen,XU Hui,ZHOU Bang-xin.Cathode electrophoretic technology for bonded NdFeB permanent magnet[J].中国有色金属学会会刊(英文版),2006(z2):93-96.
[9] 周开利;康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京:清华大学出版社,2005:7.
[10] 杨伟,倪黔东,吴军基.BP神经网络权值初始值与收敛性问题研究[J].电力系统及其自动化学报,2002(01):20-22.
[11] Yu Shiwei;Zhu Kejun;Diao Fengqin .A dynamic all parametens adaptive BP neural networks model and its application on oil reservoir prediction[J].Applied Mathematics and Computation,2006,195(01):66.
[12] Karlik Bekir .A neural network image recognition for control of manufacturing plant[J].Mathematical and computational applications,2003,8(1 -3):181.
上一张 下一张
上一张 下一张
计量
  • 下载量()
  • 访问量()
文章评分
  • 您的评分:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%