储林华
,
查五生
,
刘锦云
,
王向中
,
周晓庆
,
刘桂明
稀有金属
doi:10.3969/j.issn.0258-7076.2009.02.011
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.
关键词:
均匀设计
,
主成分分析
,
BP神经网络
,
粘结NdFeB永磁体
,
泛化
王向中
,
查五生
,
燕顺
,
储林华
,
周胜海
材料科学与工程学报
为研究合金成分对磁体性能的影响,将支持向量回归机应用于磁性能的预测.在小样本情况下应用MATLAB支持向量机工具箱,建立了磁性能的支持向量回归机模型,将合金成分作为输入变量对磁性能进行预测.选择合适的模型参数,最终建立了拟合误差、预测误差均较小的模型,对剩磁、矫顽力以及最大磁能积的预测相对误差平均值分别为1.94%、5.43%及4.34%.试验表明将支持向量回归机用于磁性能的预测是一种可行且有效的方法.
关键词:
稀土
,
纳米复相永磁体
,
支持向量回归机
,
结构风险
周胜海
,
查五生
,
王向中
稀土
doi:10.3969/j.issn.1004-0277.2012.01.013
基于粘结NdFeB永磁体制备工艺优化实验,建立了一个最小二乘支持向量机(LS- SVM)算法模型用于工艺参数的优化.以粘结剂含量、固化温度、固化时间以及单位压制力大小四个工艺参数为影响因数,以剩余磁感应强度Br、矫顽力Hcj；和最大磁能积(BH)m为影响对象,通过最小二乘支持向量机算法模型建立起影响因素与影响对象之间的复杂的非线形关系.针对多影响对象,提出了一种γ和σ选择算法；以均匀设计试验结果为样本进行训练,用训练好的模型进行预测.结果表明,LS - SVM模型的实验结果与预测结果吻合良好,二者相对误差很小,对比ANN模型预测结果,LS - SVM模型具有更高的精度和运算速度,具有很好的实用性.
关键词:
粘结NdFeB永磁体
,
磁性能
,
最小二乘支持向量机
