基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化

摘要：

为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用 BP 神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对 BP 网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对 BP 网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给 BP 神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25 nm减小到5 nm,有较好的收敛性。

关键词：磁控形状记忆合金驱动器、磁滞非线性、BP神经网络、遗传算法

分类号：TH703.8;TP211.5(仪器、仪表)

资助基金：国家自然科学基金资助项目50805024;浙江省自然科学基金资助项目Y1080855

在线出版日期：2015-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：508-511,512