基于GABP神经网络曲线拟合的快沿电磁脉冲信号源模型求解  

Modeling of FREMP Source Based on GABP Neural Network

作　　者：纪志强[1] 魏明[1] 吴启蒙 樊高辉[1] 魏晗 

机构地区：[1]军械工程学院静电与电磁防护研究所 [2]总装备部工程兵军事代表局驻武汉军事代表室 [3]中国解放军63981部队

出　　处：《计算机测量与控制》2015年第5期1792-1794,1801,共4页Computer Measurement &Control

基　　金：国家自然科学基金(51277181)

摘　　要：为给电子设备的电磁脉冲效应仿真提供准确的快沿电磁脉冲(fast rise-time electromagnetic pulse,FREMP)信号源模型,提出一种基于遗传算法优化BP神经网络(GABP-NN)曲线拟合的信号源模型求解方法;该方法通过示波器对脉冲信号进行采集,利用GABP神经网络对波形曲线进行高精度拟合,提取网络参数建立信号源模型;为进一步获得BP神经网络拟合规律设置对比实验,采用隐含层神经元数为10的GABP神经网络对FREMP信号源进行建模,所得模型拟合度为91.64%;仿真结果表明该方法运算速度快、精度高。In order to provide an accurate FREMP （fast rise time electromagnetic pulse） source model for electronic devices EMP effect simulations, a curve fitting and modeling method based on GABP--NN （BP neural network optimized by genetic algorithms） is proposed. In this method, the FREMP signal collected by oscilloscope is used for high precision waveform curve fitting by GABP--NN and the network parameters is extracted to establish the source modeling. Comparative experiments are set for finding the fitting rule of BP neural network. Using GABP--NN for FREMP source modeling with 10 hidden layer neurons, the fit was 91.64%. The simulation results show that this method does modeling well and has a high computation speed.

关 键 词：快沿电磁脉冲 BP神经网络 遗传算法 曲线拟合 

分 类 号：O441[理学—电磁学]