基于遗传BP神经网络的磁流变悬置模型辨识

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于遗传BP神经网络的磁流变悬置模型辨识

邓召学, 郑玲, 郭敏敏, 张自伟

文章导航 > 电子科技大学学报 > 2014 > 43(6): 955-960

邓召学, 郑玲, 郭敏敏, 张自伟. 基于遗传BP神经网络的磁流变悬置模型辨识[J]. 电子科技大学学报, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028

引用本文:

邓召学, 郑玲, 郭敏敏, 张自伟. 基于遗传BP神经网络的磁流变悬置模型辨识[J]. 电子科技大学学报, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028

DENG Zhao-xue, ZHENG Ling, GUO Min-min, ZHANG Zi-wei. Model Identification of Magneto-Rheological Mount Based on Genetic Algorithms and BP Neural Network[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028

Citation:

DENG Zhao-xue, ZHENG Ling, GUO Min-min, ZHANG Zi-wei. Model Identification of Magneto-Rheological Mount Based on Genetic Algorithms and BP Neural Network[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028

基于遗传BP神经网络的磁流变悬置模型辨识

doi: 10.3969/j.issn.1001-0548.2014.06.028

1.
重庆大学机械传动国家重点实验室重庆沙坪坝区 400030

基金项目:

中央高校基本科研业务费(CDJZR13280074)

作者简介:
邓召学(1985-),男,博士,主要从事汽车振动与控制方面的研究.

中图分类号: U463.1

Model Identification of Magneto-Rheological Mount Based on Genetic Algorithms and BP Neural Network

1.
State Key Laboratory of Mechanical Transmission,Chongqing University Shapingba Chongqing 400030

摘要: 为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题,提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值,以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本,分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明,相对于BP神经网络,GA-BP神经网络具有更高的辨识精度、更快的收敛速度,在磁流变液压悬置数学模型辨识方面具备更优的性能。
- BP神经网络 /
- 遗传算法 /
- 磁流变悬置 /
- 模型辨识
Abstract: Initial weights and thresholds of BP neural network are optimized by using Genetic Algorithm(GA) method to solve its slow convergence speed and local optimum. The defect of BP neural network is thus overcome by the proposed method. The direct and inverse dynamic models for a prototype of Magneto-rheological (MR) mount are identified by using traditional BP neural network and novel GA-BP neural network. The results show that the GA-BP neural network has faster convergence rate and higher precision compared with the traditional BP neural network in the identification of direct and inverse model for MR mount.
- BP neural network /
- genetic algorithm /
- magneto-rheological mount /
- model identification

[1]	周江平, 周媛媛, 周学军, 李洁琼. 基于BP神经网络的测量设备无关协议参数预测 . 电子科技大学学报, 2024, 53(): 1-6. doi: 10.12178/1001-0548.2023011
[2]	邵继业, 谢昭灵, 杨瑞. 基于GA-PSO优化BP神经网络的压缩机气阀故障诊断 . 电子科技大学学报, 2018, 47(5): 781-787. doi: 10.3969/j.issn.1001-0548.2018.05.023
[3]	郭祯, 李晖, 吴慰. 大脑局部电位信号与呼吸的关系模型研究 . 电子科技大学学报, 2016, 45(5): 832-838. doi: 10.3969/j.issn.1001-0548.2016.05.021
[4]	张民, 贾海涛, 沈震. 基于遗传算法改进的粒子滤波重采样模型 . 电子科技大学学报, 2015, 44(3): 344-349. doi: 10.3969/j.issn.1001-0548.2015.03.005
[5]	郑世明, 高志年, 韦伟, 苗壮, 邵荣明. 基于云模型的网格任务调度遗传算法研究 . 电子科技大学学报, 2012, 41(6): 911-915. doi: 10.3969/j.issn.1001-0548.2012.06.018
[6]	刘啸滨, 郭兵, 沈艳, 王继禾, 伍元胜. 嵌入式软件算法级功耗BP网络模型研究 . 电子科技大学学报, 2011, 40(6): 921-926. doi: 10.3969/j.issn.1001-0548.2011.06.022
[7]	尹健康, 陈昌华, 邢小军, 谭俊, 姚进. 基于BP神经网络的烟田土壤水分预测 . 电子科技大学学报, 2010, 39(6): 891-895. doi: 10.3969/j.issn.1001-0548.2010.06.018
[8]	姜正茂, 杨建宇, 李良超. BP神经网络天线方向图获取方法研究 . 电子科技大学学报, 2010, 39(1): 37-40. doi: 10.3969/j.issn.1001-0548.2010.01.009
[9]	崔梦天, 钟勇, 赵海军. ACOGA算法的多媒体网络QoS路由实现 . 电子科技大学学报, 2009, 38(2): 266-269. doi: 10.3969/j.issn.1001-0548.2009.02.26
[10]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[11]	李向阳, 张亚非. 一种基于遗传算法的语义标注 . 电子科技大学学报, 2007, 36(1): 86-89.
[12]	崔梦天, 傅丽霞, 赵海军, 钟勇. 多级离散模糊神经网络稳定性的优化算法 . 电子科技大学学报, 2007, 36(3): 628-631.
[13]	吴传信, 倪明放, 陈鸣. 路由选择的一种新遗传算法 . 电子科技大学学报, 2006, 35(5): 744-747.
[14]	王波, 黄迪明. 遗传神经网络在邮件过滤器中的应用 . 电子科技大学学报, 2005, 34(4): 505-508.
[15]	孙剑, 许家珆. 神经网络算法在智能体IDS系统中的应用 . 电子科技大学学报, 2004, 33(3): 289-292.
[16]	黄羽, 黄迪明, 何险峰, 武明. 遗传算法在入侵检测中的应用 . 电子科技大学学报, 2003, 32(6): 679-682.
[17]	王海枚, 游志胜. 基于遗传算法与模糊控制的建模方法 . 电子科技大学学报, 2002, 31(3): 266-269.
[18]	张宇, 郭晶, 周激流. 动态变异遗传算法 . 电子科技大学学报, 2002, 31(3): 234-239.
[19]	舒兰, 吴磊, 张勇. 粗集神经网络系统及其应用 . 电子科技大学学报, 2002, 31(4): 426-428.
[20]	吴斌, 吴坚, 涂序彦. 快速遗传算法研究 . 电子科技大学学报, 1999, 28(1): 49-53.

WeChat

点击查看大图

计量

文章访问数: 3414
HTML全文浏览量: 139
PDF下载量: 41
被引次数: 0

基于遗传BP神经网络的磁流变悬置模型辨识

doi: 10.3969/j.issn.1001-0548.2014.06.028

1. 重庆大学机械传动国家重点实验室重庆沙坪坝区 400030

基金项目:

中央高校基本科研业务费(CDJZR13280074)

作者简介:
邓召学(1985-),男,博士,主要从事汽车振动与控制方面的研究.

收稿日期: 2013-06-18
修回日期: 2014-03-16
刊出日期: 2014-12-15

中图分类号: U463.1

关键词:

摘要: 为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题,提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值,以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本,分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明,相对于BP神经网络,GA-BP神经网络具有更高的辨识精度、更快的收敛速度,在磁流变液压悬置数学模型辨识方面具备更优的性能。

English Abstract

邓召学, 郑玲, 郭敏敏, 张自伟. 基于遗传BP神经网络的磁流变悬置模型辨识[J]. 电子科技大学学报, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028

引用本文:

邓召学, 郑玲, 郭敏敏, 张自伟. 基于遗传BP神经网络的磁流变悬置模型辨识[J]. 电子科技大学学报, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028

DENG Zhao-xue, ZHENG Ling, GUO Min-min, ZHANG Zi-wei. Model Identification of Magneto-Rheological Mount Based on Genetic Algorithms and BP Neural Network[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028

Citation:

DENG Zhao-xue, ZHENG Ling, GUO Min-min, ZHANG Zi-wei. Model Identification of Magneto-Rheological Mount Based on Genetic Algorithms and BP Neural Network[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 955-960. doi: 10.3969/j.issn.1001-0548.2014.06.028

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发