基于广义回归神经网络的磁流变减振器模型辨识

• 作者: 刘非 王戡 郑玲
• 来源期刊: 汽车工程
• 关键词: 磁流变减振器 广义回归神经网络 反向传播神经网络 模型辨识
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 论文
• 页码范围: 619-623,634
• 页数: 6页
• 字数: 4290字
• 语种: 中文

摘要

根据磁流变减振器的非线性特性,提出磁流变减振器广义回归神经网络(GRNN)模型辨识方法,利用台架试验获取的力学特性数据,建立磁流变减振器广义回归神经网络正、逆模型,并与反向传播神经网络(BPNN)模型进行比较.结果表明:通过合理选取网络变量并优化光滑因子,GRNN模型能准确预测磁流变减振器的阻尼力和控制电流,其正、逆模型辨识精度优于BPNN模型.此外,GRNN还具有结构简单、快速收敛等特点,为磁流变减振器的准确建模与控制提供了重要手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑玲	重庆大学机械传动国家重点实验室	114	1574	23.0	35.0
2	刘非	重庆大学机械传动国家重点实验室	3	44	3.0	3.0
3	王戡	重庆大学机械传动国家重点实验室	1	12	1.0	1.0