基于神经网络的电磁干扰的预测

《基于神经网络的电磁干扰的预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2013年5月第39卷第5期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsMav2013V01．39NO．5基于神经网络的电磁干扰的预测杨天鹏马齐爽谢清明(北京航空航天大学自动化科学与电气工程学院，北京100191)(中国航天科工集团公司飞航动力装置研究所，北京100074)摘要：提出了一种应用神经网络预测电磁干扰的方法．针对遗传算法总体搜索能力较强但容易陷入局部最优，而模拟退火算法具有较强的局部搜索能力，又能避免搜索陷入局部最优解的特点，将模拟退火算法与遗传算法相结合，优化多层

2、前馈(BP，BackPropagation)神经网络，获取最优的权值和阈值，并采用模拟退火的思想确定隐含层神经元的个数，进而建立基于神经网络的电磁干扰预测模型．以双平行导线间的电磁干扰问题为实例，明确干扰要素，建立训练样本和测试样本，对比期望输出和预测输出之间的误差，结果表明该方法可以准确有效地进行电磁干扰预测．关键词：神经网络；模拟退火算法；遗传算法；电磁干扰中图分类号：TN911．73文献标识码：A文章编号：1001．5965(2013)05-0697-04Predictionofelectromagneticinterferencebasedonneur

3、aInetworkYangTianpengMaQishuang(SchoolofAutomationScienceandElectricalEngineering，BeijingUniversityofAeronauticsandAstronautics，Beijing100191，China)XieQingming(ChinaAerospaceScienceandIndusWGroup，AviationAerospacePowerDeviceResearchInstitute，Beijing100074，China)Abstract：Amethodtopre

4、dicttheelectromagneticinterferenceusingneuralnetworkwasproposed．Ge—neticalgorithmhasthestrongoverallsearchabilitybuteasytofallintolocaloptimum，andsimulatedannea-lingalgorithmhasthepartialsearchability，avoidingthesearchintolocaloptimalsolution．Byusingthesimu—latedannealingalgorithman

5、dgeneticalgorithmcombining，thebackpropagation(BP)neuralnetworkweightsandthresholdswereoptimized，andthenumberofhiddenlayerneuronswasdeterminedbythesimulatedan—nealingideas．Then，theneuralnetwork·basedpredictivemodelsofelectromagneticinterferencewasestab—lished．Withthetwoparallelleadst

6、oelectromagneticinterferencematteraspredictedinstance，interferencefactorswereidentified，andthetrainingandtestsampleswereestablished．Incontrasttotheerrorbetweentheexpectedoutputandthepredictedoutput，theresultsshowthatthemethodcanaccuratelypredicttheelectro—magneticinterferenceeffecti

7、vely．Keywords：neuralnetwork；simulatedannealing；geneticalgorithm；electromagneticinterference电磁干扰(EMI，ElectromagneticInterfer-ence)，因其具有复杂性、隐藏性、考核指标的统计性⋯等特点，一直以来都是电磁兼容性设计的难点之一，目前仍没有一种EMI预测的通用数学模型．由于神经网络可以实现输入、输出数据之间的非线性映射，而不考虑问题模型的复杂性，故国内很多学者将神经网络应用到EMl预测中来，尤其以多层前馈(BP，BackPropagation)

8、神经网络、遗传算法(GA，Geneti