基于遗传算法优化BP神经网络的接触电阻预测

• 作者: 孙海峰 沈颖 王亚楠
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 电接触 接触电阻 遗传算法 BP神经网络 回归分析
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 智能电网
• 页码范围: 77-83
• 页数: 7页
• 分类号: TM769
• 字数: 4294字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.05.013

摘要

接触电阻是反应导体间电接触性能的重要参数,在实际的工程中往往采用经验公式对接触电阻进行计算,精度难以满足要求.为解决这一问题,将遗传算法(GA)与BP神经网络相结合对接触电阻进行预测.通过实验得到数据,分别利用遗传算法优化BP神经网络、BP神经网络以及回归分析模型进行训练和测试,并将各算法所得误差进行对比.误差对比结果表明:遗传算法优化BP神经网络的收敛效果优于其他两种算法,且遗传算法优化BP神经网络所得接触电阻模型的相对误差平均值比BP神经网络减少了4.01％,比回归分析减少了4.72％,且预测效果较稳定.利用遗传算法与BP神经网络相结合的接触电阻预测模型,较单独使用BP神经网络预测模型具有更好的非线性拟合能力和更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙海峰	华北电力大学电气与电子工程学院	27	302	8.0	17.0
2	王亚楠	华北电力大学电气与电子工程学院	2	7	1.0	2.0
3	沈颖	华北电力大学电气与电子工程学院	1	7	1.0	1.0