基于遗传BP神经网络的磁流变悬置模型辨识 (2014年)

为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题，提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值，以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本，分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明，相对于BP神经网络，GA-BP神经网络具有更高的辨识精度、更快的收敛速度，在磁流变液压悬置数学模型辨识方面具备更优的性能。