简介概要

基于LS-SVM的粘结NdFeB永磁体磁性能预测

来源期刊:稀土2012年第1期

论文作者:周胜海 查五生 王向中

文章页码:61 - 64

关键词:粘结NdFeB永磁体;磁性能;最小二乘支持向量机;

摘    要:基于粘结NdFeB永磁体制备工艺优化实验,建立了一个最小二乘支持向量机(LS-SVM)算法模型用于工艺参数的优化。以粘结剂含量、固化温度、固化时间以及单位压制力大小四个工艺参数为影响因数,以剩余磁感应强度Br、矫顽力Hcj和最大磁能积(BH)m为影响对象,通过最小二乘支持向量机算法模型建立起影响因素与影响对象之间的复杂的非线形关系。针对多影响对象,提出了一种γ和σ选择算法;以均匀设计试验结果为样本进行训练,用训练好的模型进行预测。结果表明,LS-SVM模型的实验结果与预测结果吻合良好,二者相对误差很小,对比ANN模型预测结果,LS-SVM模型具有更高的精度和运算速度,具有很好的实用性。

详情信息展示

基于LS-SVM的粘结NdFeB永磁体磁性能预测

周胜海,查五生,王向中

西华大学材料科学与工程学院

摘 要:基于粘结NdFeB永磁体制备工艺优化实验,建立了一个最小二乘支持向量机(LS-SVM)算法模型用于工艺参数的优化。以粘结剂含量、固化温度、固化时间以及单位压制力大小四个工艺参数为影响因数,以剩余磁感应强度Br、矫顽力Hcj和最大磁能积(BH)m为影响对象,通过最小二乘支持向量机算法模型建立起影响因素与影响对象之间的复杂的非线形关系。针对多影响对象,提出了一种γ和σ选择算法;以均匀设计试验结果为样本进行训练,用训练好的模型进行预测。结果表明,LS-SVM模型的实验结果与预测结果吻合良好,二者相对误差很小,对比ANN模型预测结果,LS-SVM模型具有更高的精度和运算速度,具有很好的实用性。

关键词:粘结NdFeB永磁体;磁性能;最小二乘支持向量机;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号