基于极限学习机算法的永磁机构动作时间补偿的研究

• 作者: 张祯海 练正兵 迟长春 邵士良
• 来源期刊: 低压电器
• 学科: 工学
• 关键词: 永磁机构 极限学习机算法 BP神经网络 时间预测
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 研究与分析
• 页码范围: 13-17
• 页数: 5页
• 分类号: TM561
• 字数: 2402字
• 语种: 中文

摘要

常规永磁操动机构的动作时间补偿的预测是采用加权平均值算法、多元线性回归法和人工神经网络算法(ANN)等对动触头的分/合闸时间进行估计和预测,但是加权平均系数的计算和线性回归系数的求解比较繁琐,而ANN网络具有训练速度慢、容易陷入局部极小点、学习率的选择难以确定等诸多缺点.研究了采用极限学习机(ELM)算法和BP神经网络算法,利用Matlab软件对永磁机构动作时间进行预测,通过对比分析,得到性能较好的算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵士良	上海电机学院电气学院	8	33	3.0	5.0
2	迟长春	上海电机学院电气学院	60	93	5.0	7.0
3	练正兵	上海电机学院电气学院	6	17	2.0	4.0
4	张祯海	上海电机学院电气学院	7	20	3.0	4.0