储林华
- 作品数：12 被引量：18H指数：3
- 供职机构：四川大学更多>>
- 发文基金：四川省教育厅重点项目国家高技术研究发展计划四川省教育厅自然科学科研项目更多>>
- 相关领域：一般工业技术自动化与计算机技术电气工程理学更多>>
- 应用支持向量机预测(Nd_2Fe_(14)B/α-Fe)永磁体性能被引量：1
- 2010年
- 为研究合金成分对磁体性能的影响,将支持向量回归机应用于磁性能的预测。在小样本情况下应用MATLAB支持向量机工具箱,建立了磁性能的支持向量回归机模型,将合金成分作为输入变量对磁性能进行预测。选择合适的模型参数,最终建立了拟合误差、预测误差均较小的模型,对剩磁、矫顽力以及最大磁能积的预测相对误差平均值分别为1.94%、5.43%及4.34%。试验表明将支持向量回归机用于磁性能的预测是一种可行且有效的方法。
- 王向中查五生燕顺储林华周胜海
- 关键词：稀土支持向量回归机
- 基于均匀设计和主成分分析的粘结NdFeB永磁体制备工艺优化研究
- 2009年
- 基于粘结NdFeB永磁体制备工艺优化实验,针对普通反向传播神经网络(BPNN)方法在预报建模中普遍存在"过拟合"和泛化能力差的问题,从优化实验方案、减少输入层节点数两个角度,结合均匀设计软件和主成分分析方法,提高训练样本的分布均匀性、"主动"改善网络结构,建立了一个粘结NdFeB永磁体制备工艺优化的2-5-3型BPNN预测模型。研究结果表明,改进的BP神经网络模型对Br,Hc j及(BH)m预测的相对误差的最大值分别为1.83%,1.28%和1.53%,较之传统的模型,泛化能力显著提高,网络预测也比较稳定,具有很好的实用性。
- 储林华查五生刘锦云王向中周晓庆刘桂明
- 关键词：均匀设计主成分分析BP神经网络泛化
- 基于改进的BP神经网络的粘结NdFeB永磁体制备工艺优化研究
- Nd-Fe-B系粘结永磁材料制备工艺优化研究具有重要的技术和经济意义。如果能够确定材料磁性能和制备工艺因素之间的数学关系，就可以在不了解材料内部详细机理的情况下，依据这种数学关系探索材料的最优制备工艺，寻求最佳的材料性能...
- 储林华
- 关键词：粘结永磁材料均匀设计主成分分析人工神经网络磁性能
- 文献传递
- 热变形磁体定向破碎制备各向异性钕铁硼磁粉的方法
- 一种热变形磁体定向破碎制备各向异性钕铁硼磁粉的方法，工艺步骤为：（1）全致密各向同性钕铁硼磁体的制备；（2）热变形各向异性钕铁硼磁体的制备；（3）热变形磁体的定向破碎，将步骤（2）制备的“圆饼状”各向异性钕铁硼磁体在氩气...
- 刘颖李军储林华陈飚蒋红刚王仁全
- 文献传递
- 感应热压/热变形钕铁硼磁体形变均匀性及微观结构被引量：5
- 2014年
- 采用热压/热变形法制备不同形变量的各向异性NdFeB磁体,通过对比分析磁体不同区域的微观结构及取向情况,研究了磁体的形变均匀性。结果表明,随着变形量增加,磁体径向(垂直模压方向)表面和中心磁性能差异及轴向(平行模压方向)上下磁性能差异均是先减小后增大。变形量为63%时,磁体已较为均匀,此时磁体内外的剩磁、矫顽力和磁能积差异分别为1.4%、7.9%和2.3%;上下的剩磁、矫顽力和磁能积差异分别为1.4%、14.2%和2.6%。变形量过大或过小均不利于获得均匀性好的磁体。
- 蒋红刚李军刘颖连利仙储林华王仁全
- 关键词：钕铁硼磁体热变形变形量微结构磁性能均匀性
- 基于BP神经网络的粘结NdFeB永磁体性能预测被引量：5
- 2008年
- 本文基于MATLAB平台和现有的少量实验数据,利用神经网络的非线性映射和泛化能力,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP神经网络模型,并通过检验样本检验了ANN模型的准确性。实验表明:将神经网络技术应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值。
- 储林华查五生刘锦云陈德波
- 关键词：BP神经网络NDFEB粘结磁体磁性能
- 用Bayesian正则化BP神经网络预测稀土永磁体性能
- 2009年
- 针对一般BP神经网络泛化能力差,在Bayesian正则化BP神经网络的基础上,运用加权检验、"表决网"等方法的思路训练网络,并通过主成分分析方法对输入数据进行降维,建立了磁粉制备工艺(淬速度和晶化退火温度)、合金成分与磁性能之间的BPNN(back propagation network)预测模型。结果表明:该模型泛化能力较高,预测的Br相对误差在2%左右、Hcj和(BH)max都在5%以内,且每次预测的相对误差平均值波动不超过1%。
- 王向中查五生刘锦云储林华
- 关键词：主成分分析BAYESIAN泛化
- 基于Bayesian正规化BP神经网络的粘结NdFeB永磁体性能预测被引量：2
- 2009年
- 基于MATLAB平台和现有的少量实验数据,采用Bayesian正规化法,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP(Back Propagation)神经网络预测模型,并通过测试样本检验了ANN(Artificial NeuralNetwork)模型的准确性。实验表明,建立的Bayesian正规化BP神经网络模型不仅能准确地拟合训练值,而且能很好地预测未知样本,将该模型应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值。
- 储林华查五生刘锦云刘桂明周晓庆张静怡
- 关键词：BP神经网络NDFEB粘结磁体
- 不同粘结剂对粘结NdFeB磁体磁性能和抗压强度的影响被引量：6
- 2008年
- 本文采用三种不同环氧值的粘结剂制备了NdFeB粘结磁体,研究了粘结剂环氧值影响磁体磁性能及抗压强度的规律及其机理。实验结果表明,在优化的固化工艺条件下,采用环氧值适中的环氧树脂制备的磁体,具有较好的磁性能和抗压强度。
- 刘桂明查五生刘锦云储林华
- 关键词：NDFEB粘结磁体磁性能粘结剂环氧树脂
- 基于改进的BP神经网络的粘结NdFeB永磁体制备工艺优化设计
- 2010年
- 采用均匀设计实验方案,结合主成分分析方法,建立了制备工艺与磁体性能之间的BPNN预测模型。利用该模型对粘结NdFeB永磁体的制备工艺进行了优化,并研究了单因素以及多因素交互作用与磁体性能之间的关系。结果表明该模型预测精度较高,对Br、Hcj及(BH)m的预测相对误差最大值分别为1.85%、1.28%和1.47%。
- 查五生储林华王向中周胜海
- 关键词：神经网络均匀设计主成分分析
