用Bayesian正则化BP神经网络预测稀土永磁体性能 |
| |
作者姓名: | 王向中 查五生 刘锦云 储林华 |
| |
作者单位: | 西华大学,材料科学与工程学院,四川,成都,610039;西华大学,材料科学与工程学院,四川,成都,610039;西华大学,材料科学与工程学院,四川,成都,610039;西华大学,材料科学与工程学院,四川,成都,610039 |
| |
基金项目: | 四川省教育厅重点资助项目(No.2004A110) |
| |
摘 要: | 针对一般BP神经网络泛化能力差,在Bayesian正则化BP神经网络的基础上,运用加权检验、"表决网"等方法的思路训练网络,并通过主成分分析方法对输入数据进行降维,建立了磁粉制备工艺(淬速度和晶化退火温度)、合金成分与磁性能之间的BPNN(back propagation network)预测模型。结果表明:该模型泛化能力较高,预测的Br相对误差在2%左右、Hcj和(BH)max都在5%以内,且每次预测的相对误差平均值波动不超过1%。
|
关 键 词: | 纳米晶复相(Nd2Fe14B/α-Fe)永磁体 主成分分析 Bayesian正则化 BP神经网络 泛化 |
本文献已被 CNKI 万方数据 等数据库收录! |
|