[发明专利]基于遗传算法优化神经网络直线电机定位力辨识方法

权利要求书

1.一种基于遗传算法优化神经网络直线电机定位力辨识方法，其特征在于所述方法步骤如下：

步骤一：由加速度传感器采集直线电机匀速拖动数据并换算为定位力数据；

步骤二：确定神经网络拓扑结构；

步骤三：初始化神经网络各个参数；

步骤四：定义遗传算法适应度函数为预测数据误差；

步骤五：将步骤三中的神经网络参数作为个体，执行遗传算法；

步骤六：当达到最大进化次数时，结束遗传算法优化过程，得到最优参数，进行步骤七，否则执行步骤五；

步骤七：将最优参数赋到神经网络；

步骤八：训练神经网络更新参数；

步骤九：达到训练次数，则用训练后网络进行辨识，否则执行步骤八。

2.根据权利要求1所述的基于遗传算法优化神经网络直线电机定位力辨识方法，其特征在于所述步骤二中，神经网络拓扑结构分为三部分：输入层、隐含层和输出层。

3.根据权利要求1所述的基于遗传算法优化神经网络直线电机定位力辨识方法，其特征在于所述步骤三中，初始化神经网络参数包括w_0j、w_ijk、a_ij、b，a_0j为输入层到第一层隐含层第j个节点的阈值；a_ij为第i层隐含层到第i+1层隐含层第j个节点的阈值；w_0j为输入层与第一层隐含层第j个节点之间的权值；w_ijk为第i层隐含层中第j个节点到第i+1层隐含层第k个节点之间的权值；b为最后一层隐含层到输出层节点的阈值。

4.根据权利要求1所述的基于遗传算法优化神经网络直线电机定位力辨识方法，其特征在于所述步骤五中，采用遗传算法在个体中作选择、变异、交叉操作。

5.根据权利要求1所述的基于遗传算法优化神经网络直线电机定位力辨识方法，其特征在于所述步骤八中，按(1)-(3)式进行神经网络的训练，其中H_ij为第i层隐含层中第j个节点的输出；X为网络输入；Y为网络输出；a_0j为输入层到第一层隐含层第j个节点的阈值；a_ij为第i层隐含层到第i+1层隐含层第j个节点的阈值；w_0j为输入层与第一层隐含层第j个节点之间的权值；w_ijk为第i层隐含层中第j个节点到第i+1层隐含层第k个节点之间的权值；b为最后一层隐含层到输出层节点的阈值；n_i为第i层隐含层的节点数；

H_1j＝f(w_0jX+a_0j)(1)；

Hij=f(-Σk=1ni-1w(i-1)kjH(i-1)k+a(i-1)j),i>1---(2);]]>

Y=Σk=1nmHmkwmk1+b---(3).]]>