发明名称 |
基于遗传算法优化神经网络直线电机定位力辨识方法 |
摘要 |
本发明公开了一种基于遗传算法优化神经网络直线电机定位力辨识方法,其步骤如下:步骤一:由加速度传感器采集直线电机匀速拖动数据并换算为定位力数据。步骤二:确定神经网络拓扑结构。步骤三:初始化神经网络各个参数。步骤四:定义遗传算法适应度函数为预测数据误差。步骤五:将步骤三中的神经网络参数作为个体,执行遗传算法。步骤六:当达到最大进化次数时,结束遗传算法优化过程,得到最优参数,进行步骤七,否则执行步骤五。步骤七:将最优参数赋到神经网络。步骤八:训练神经网络更新参数。步骤九:达到训练次数,则用训练后网络进行辨识,否则执行步骤八。本方法不需要定位力精确数学模型,不会产生由于数学模型不准确而导致的理论误差。 |
申请公布号 |
CN105116724A |
申请公布日期 |
2015.12.02 |
申请号 |
CN201510418937.5 |
申请日期 |
2015.07.16 |
申请人 |
哈尔滨工业大学 |
发明人 |
刘杨;何良辰;刘洋;陈震宇;宋跃;王一光 |
分类号 |
G05B13/04(2006.01)I |
主分类号 |
G05B13/04(2006.01)I |
代理机构 |
哈尔滨龙科专利代理有限公司 23206 |
代理人 |
高媛 |
主权项 |
一种基于遗传算法优化神经网络直线电机定位力辨识方法,其特征在于所述方法步骤如下:步骤一:由加速度传感器采集直线电机匀速拖动数据并换算为定位力数据;步骤二:确定神经网络拓扑结构;步骤三:初始化神经网络各个参数;步骤四:定义遗传算法适应度函数为预测数据误差;步骤五:将步骤三中的神经网络参数作为个体,执行遗传算法;步骤六:当达到最大进化次数时,结束遗传算法优化过程,得到最优参数,进行步骤七,否则执行步骤五;步骤七:将最优参数赋到神经网络;步骤八:训练神经网络更新参数;步骤九:达到训练次数,则用训练后网络进行辨识,否则执行步骤八。 |
地址 |
150000 黑龙江省哈尔滨市南岗区西大直街92号 |