公开(公告)号：CN117649903B

公开(公告)日：2024-06-14

申请号：CN202311717274.8

申请日：2023-12-13

Applicant: 西南科技大学

Inventor： 王耿 ,  陈国强 ,  倪磊 ,  赵冬梅 ,  廖璇 ,  张兰强 ,  姚纳 ,  周虹

IPC: G16C60/00 ,  G06F30/27

Abstract: 本发明公开了一种用于智能材料器件的动态迟滞神经网络建模及预测方法，其包括以下步骤：根据智能材料器件的动态迟滞特性，构建Pan迟滞模型并根据采样时间进行离散化，得到离散化后的Pan迟滞模型；根据离散化后的Pan迟滞模型及其结构关系、智能材料器件的激励输入与离散化后的Pan迟滞模型的输出响应之间的信号传递关系，构建动态迟滞神经网络模型；对动态迟滞神经网络模型进行训练并利用训练后的模型对智能材料器件的动态迟滞特性进行预测。本发明构建的动态神经网络迟滞模型的规模和复杂度小，可快速训练网络且计算成本低；通过动态迟滞神经网络模型进行预测，快速且有效地描述智能材料器件的动态迟滞特性，并提高预测的精确度。

公开(公告)号：CN117649902A

公开(公告)日：2024-03-05

申请号：CN202311717246.6

申请日：2023-12-13

Applicant: 西南科技大学

Inventor： 王耿 ,  陈国强 ,  倪磊 ,  赵冬梅 ,  廖璇 ,  张兰强 ,  姚纳 ,  周虹

IPC: G16C60/00 ,  G06F30/27

Abstract: 本发明公开了一种用于智能材料器件的神经网络建模及其迟滞特性预测方法，其包括以下步骤：根据智能材料器件的物理特性和约束条件，构建JA迟滞模型并进行离散化，得到离散后的JA迟滞模型；根据离散后的JA迟滞模型及其结构关系、离散后的JA迟滞模型输入激励与智能材料器件输出响应之间的信号传递关系，构建神经网络并进行训练；通过训练后的神经网络对迟滞特性进行预测。本发明构建的迟滞神经网络的规模和复杂度小，有利于网络的训练，所需的数据量小、运算时间短、计算成本低；本发明的预测方法利用训练后的神经网络对智能材料器件的迟滞特性进行预测，减少了建模误差，提高了准确度，可有效、精确、快速地描述智能材料器件的非线性特性。

公开(公告)号：CN119903733A

公开(公告)日：2025-04-29

申请号：CN202411970383.5

申请日：2024-12-30

Applicant: 西南科技大学 ,  河南工业和信息化职业学院

Inventor： 王耿 ,  樊磊 ,  王莹 ,  倪磊 ,  廖璇 ,  张兰强 ,  黄林海

IPC: G06F30/27 ,  G16C60/00 ,  G16C20/70 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明属于智能制造与驱动控制技术领域，具体公开了智能驱动材料的物理信息神经网络动态迟滞模型构建方法，包括根据智能材料驱动器件的磁饱和效应，构建磁饱和方程，将磁饱和方程离散化，得到离散磁饱和方程；根据离散磁饱和方程，构建磁饱和神经网络；将磁饱和神经网络嵌入至NARMAX神经网络中，构建嵌入磁饱和方程的物理信息神经网络迟滞模型，完成建模。本发明构建的嵌入磁饱和方程的物理信息神经网络迟滞模型能够能体现磁饱和物理信息，解决了现有技术在描述智能材料器件的动态迟滞非线性特性时存在的建模和预测精度低、计算时间长、可解释性差的问题。

公开(公告)号：CN117649903A

公开(公告)日：2024-03-05

申请号：CN202311717274.8

申请日：2023-12-13

Applicant: 西南科技大学

Inventor： 王耿 ,  陈国强 ,  倪磊 ,  赵冬梅 ,  廖璇 ,  张兰强 ,  姚纳 ,  周虹

IPC: G16C60/00 ,  G06F30/27

Abstract: 本发明公开了一种用于智能材料器件的动态迟滞神经网络建模及预测方法，其包括以下步骤：根据智能材料器件的动态迟滞特性，构建Pan迟滞模型并根据采样时间进行离散化，得到离散化后的Pan迟滞模型；根据离散化后的Pan迟滞模型及其结构关系、智能材料器件的激励输入与离散化后的Pan迟滞模型的输出响应之间的信号传递关系，构建动态迟滞神经网络模型；对动态迟滞神经网络模型进行训练并利用训练后的模型对智能材料器件的动态迟滞特性进行预测。本发明构建的动态神经网络迟滞模型的规模和复杂度小，可快速训练网络且计算成本低；通过动态迟滞神经网络模型进行预测，快速且有效地描述智能材料器件的动态迟滞特性，并提高预测的精确度。

公开(公告)号：CN117649902B

公开(公告)日：2024-06-28

申请号：CN202311717246.6

申请日：2023-12-13

Applicant: 西南科技大学

Inventor： 王耿 ,  陈国强 ,  倪磊 ,  赵冬梅 ,  廖璇 ,  张兰强 ,  姚纳 ,  周虹

IPC: G16C60/00 ,  G06F30/27

Abstract: 本发明公开了一种用于智能材料器件的神经网络建模及其迟滞特性预测方法，其包括以下步骤：根据智能材料器件的物理特性和约束条件，构建JA迟滞模型并进行离散化，得到离散后的JA迟滞模型；根据离散后的JA迟滞模型及其结构关系、离散后的JA迟滞模型输入激励与智能材料器件输出响应之间的信号传递关系，构建神经网络并进行训练；通过训练后的神经网络对迟滞特性进行预测。本发明构建的迟滞神经网络的规模和复杂度小，有利于网络的训练，所需的数据量小、运算时间短、计算成本低；本发明的预测方法利用训练后的神经网络对智能材料器件的迟滞特性进行预测，减少了建模误差，提高了准确度，可有效、精确、快速地描述智能材料器件的非线性特性。