基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)接觸電阻預(yù)測(cè)

基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)接觸電阻預(yù)測(cè)

ID:36447087

大?。?.04 MB

頁數(shù):8頁

時(shí)間:2019-05-10

基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)接觸電阻預(yù)測(cè)_第1頁
基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)接觸電阻預(yù)測(cè)_第2頁
基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)接觸電阻預(yù)測(cè)_第3頁
基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)接觸電阻預(yù)測(cè)_第4頁
基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)接觸電阻預(yù)測(cè)_第5頁
資源描述:

《基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)接觸電阻預(yù)測(cè)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的接觸電阻預(yù)測(cè)孫海峰,沈穎,王亞楠(華北電力大學(xué)電氣與電子工程學(xué)院,河北保定071003)摘要:接觸電阻是反應(yīng)導(dǎo)體間電接觸性能的重要參數(shù),在實(shí)際的工程中往往采用經(jīng)驗(yàn)公式對(duì)接觸電阻進(jìn)行計(jì)算,精度難以滿足要求。為解決這一問題,將遺傳算法(GA)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合對(duì)接觸電阻進(jìn)行預(yù)測(cè)。通過實(shí)驗(yàn)得到數(shù)據(jù),分別利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)以及回歸分析模型進(jìn)行訓(xùn)練和測(cè)試,并將各算法所得誤差進(jìn)行對(duì)比。誤差對(duì)比結(jié)果表明:遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的收斂效果優(yōu)于其他兩種算法,且

2、遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)所得接觸電阻模型的相對(duì)誤差平均值比BP神經(jīng)網(wǎng)絡(luò)減少了4.01%,比回歸分析減少了4.72%,且預(yù)測(cè)效果較穩(wěn)定。利用遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的接觸電阻預(yù)測(cè)模型較單獨(dú)使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有更好的非線性擬合能力和更高的預(yù)測(cè)精度。關(guān)鍵詞:電接觸;接觸電阻;遺傳算法;BP神經(jīng)網(wǎng)絡(luò);回歸分析中圖分類號(hào):TM769文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1001-1390(2019)00-0000-00PredictionofcontactresistancebasedonoptimizedBP

3、neuralnetworkofgeneticalgorithmtooptimizeBPneuralnetworkSunHaifeng,ShenYing,WangYanan((SchoolofElectricalandElectronicalElectronicEngineering,NorthChinaElectricPowerUniversity,Baoding071003,Hebei,China))Abstract:Thecontactresistanceisanimportantparamet

4、eroftheelectricalcontactperformancebetweenthereactionconductors.Inpractice,theempiricalformulaisoftenusedtocalculatethecontactresistance,whichisdifficulttomeettheaccuracyrequirements.InorderTotosolvethisproblem,thegeneticalgorithm(GA)combinedwithBPneur

5、alnetworkisadoptedtopredictthecontactresistance.ThedataareobtainedThroughthroughexperiment,,thedataareobtained,andtheoptimizedBPneuralnetworkofgeneticalgorithmoptimizedBPneuralnetwork,theBPneuralnetworkandregressionanalysismodelarerespectivelyusedfortr

6、ainingandtesting,andtheerrorsobtainedbyeachalgorithmarecompared.TheresultsoferrorcomparisonshowthatgeneticalgorithmoptimizestheconvergenceeffectofBPneuralnetworkbetterthantheothertwoalgorithms,andtheaveragerelativeerrorofthecontactresistancemodelobtain

7、edbygeneticalgorithmoptimizationBPneuralnetworkisreducedby4.01%comparedwithBPneuralnetwork,whichislowerthantheregressionanalysis4.72%,andtheforecastingeffectismorestable.ThecontactresistancepredictionmodelusinggeneticalgorithmandBPneuralnetworkhasbette

8、rnonlinearfittingabilityandhigherpredictionaccuracythantheBPneuralnetworkpredictionmodelalone.Keywords:electricalcontact,contactresistance,geneticalgorithm,BPneuralnetwork,regressionanalysis0引言在電力系統(tǒng)、自動(dòng)控制系統(tǒng)和信息傳遞系統(tǒng)等領(lǐng)域廣泛存在著電接觸,如閥廳金具的連接處、繼電

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。