王向中
- 作品数：6 被引量：2H指数：1
- 供职机构：西华大学材料科学与工程学院更多>>
- 发文基金：四川省教育厅重点项目四川省教育厅自然科学科研项目更多>>
- 相关领域：自动化与计算机技术一般工业技术电气工程金属学及工艺更多>>
- 基于LS-SVM的粘结NdFeB永磁体磁性能预测被引量：1
- 2012年
- 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。
- 周胜海查五生王向中
- 关键词：磁性能最小二乘支持向量机
- 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
- 应用BP神经网络和SVR研究添加元素对(Nd，Pr)FeB系永磁体性能的影响
- 在总结和分析合金元素对（Nd，Pr）FeB系永磁体性能影响的机理基础上，引入Bayesian正则化法BP神经网络和支持向量回归机，建立了合金成分与磁体性能之间的预测模型，预测和研究了Pr、Co和Zr等添加元素对磁体性能的...
- 王向中
- 关键词：BP神经网络
- 文献传递
- 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
- 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
- 基于改进的BP神经网络的粘结NdFeB永磁体制备工艺优化设计
- 2010年
- 采用均匀设计实验方案,结合主成分分析方法,建立了制备工艺与磁体性能之间的BPNN预测模型。利用该模型对粘结NdFeB永磁体的制备工艺进行了优化,并研究了单因素以及多因素交互作用与磁体性能之间的关系。结果表明该模型预测精度较高,对Br、Hcj及(BH)m的预测相对误差最大值分别为1.85%、1.28%和1.47%。
- 查五生储林华王向中周胜海
- 关键词：神经网络均匀设计主成分分析
