摘要：在基于学习机制的智能潜电路分析过程中,如何有效地从大量电路信息中抽象出神经网络所需的样本数据,是保证系统预测结果可靠性的重要前提。为提高神经网络样本数据的有效性,基于图的理论和无效路径剔除方法,提出电路信息转换成神经网络样本数据的新方法,并将此方法应用于车载电源中的基本降压式谐振开关电容变换器潜电路分析过程中的样本生成环节,再借助Matlab工具箱,用遗传算法优化的BP神经网络,对经无效路径剔除方法处理后的样本数据和原始样本数据分别进行训练。训练结果验证了此方法的准确性和实用性。通过误差分析表明,网络训练前对样本数据进行有效处理,不仅可以避免传统潜电路分析中前期大量的数据输入工作及线索表难以获取等问题,还可提高系统预测的准确性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社