针对目前电机代理模型样本空间计算效率低的问题，本文提出了迁移径向基函数神经网络代理模型。该模型的样本信息源于足量可快速获取或先验积累的低可信度数据和少量高可信度的数据。基于高速永磁电机应力优化问题，研究了该模型对小样本的学习能力、对电机相似拓扑结构的学习能力以及基函数对迁移模型精度的影响，证明了该模型在工程优化中的效率优势。最后展望了迁移学习技术在电机优化中的发展趋势。
科研之友
微信
新浪微博
Facebook
分享链接
