四川省教育厅重点项目(2004A110)
- 作品数：5 被引量：6H指数：1
- 相关作者：储林华查五生刘锦云王向中周晓庆更多>>
- 相关机构：西华大学更多>>
- 发文基金：四川省教育厅重点项目更多>>
- 相关领域：自动化与计算机技术一般工业技术电气工程更多>>
- 应用支持向量机预测(Nd_2Fe_(14)B/α-Fe)永磁体性能被引量：1
- 2010年
- 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。
- 王向中查五生燕顺储林华周胜海
- 关键词：稀土支持向量回归机
- 基于均匀设计和主成分分析的粘结NdFeB永磁体制备工艺优化研究
- 2009年
- 基于粘结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Br,Hc j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。
- 储林华查五生刘锦云王向中周晓庆刘桂明
- 关键词：均匀设计主成分分析BP神经网络泛化
- 基于BP神经网络的粘结NdFeB永磁体性能预测被引量：4
- 2008年
- 本文基于MATLAB平台和现有的少量实验数据,利用神经网络的非线性映射和泛化能力,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP神经网络模型,并通过检验样本检验了ANN模型的准确性。实验表明:将神经网络技术应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值。
- 储林华查五生刘锦云陈德波
- 关键词：BP神经网络NDFEB粘结磁体磁性能
- 用Bayesian正则化BP神经网络预测稀土永磁体性能
- 2009年
- 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%。
- 王向中查五生刘锦云储林华
- 关键词：主成分分析BAYESIAN泛化
- 基于Bayesian正规化BP神经网络的粘结NdFeB永磁体性能预测被引量：1
- 2009年
- 基于MATLAB平台和现有的少量实验数据,采用Bayesian正规化法,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP(Back Propagation)神经网络预测模型,并通过测试样本检验了ANN(Artificial NeuralNetwork)模型的准确性。实验表明,建立的Bayesian正规化BP神经网络模型不仅能准确地拟合训练值,而且能很好地预测未知样本,将该模型应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值。
- 储林华查五生刘锦云刘桂明周晓庆张静怡
- 关键词：BP神经网络NDFEB粘结磁体
