李慧奇，杨延菊，邓聘

（华北电力大学河北省输变电设备安全防御重点实验室,河北保定071003）

Jiles-Atherton磁滞模型[1]是目前最为常用的描述铁磁性材料磁滞特性的经典数学模型，是一种具有物理基础的现象学模型，该模型具有清晰的物理意义，能够真实的描述B-H的非线性关系，通过求解Jiles-Atherton磁滞模型方程便能够得到较为准确的B-H磁滞回线，而对Jiles-Atherton磁滞模型参数的辨识是整个问题的关键，目前还没有一种快速的、便捷的、精确的方法对这一问题进行完整的解决，基于此，本文进行研究，通过对原始模型的改进，提出一种新型的算法，即神经网络结合遗传算法的方法来解决这一问题。用非线性函数的输入输出数据训练BP神经网络，预测函数输出，遗传算法用于极值寻优，寻找函数的全局最优值及对应的输入值。

1 改进的Jiles-Atherton磁滞模型

Jiles-Atherton磁滞模型是一种源于磁滞物理的模型，它是通过考虑畴壁移动及能量平衡原理来得到磁化强度与磁场强度的关系方程。物理学家D.C.Jiles和D.L.Atherton通过对畴壁移动机理的研究，推导出描述不可逆微分磁化率和可逆微分磁化率的微分方程。

式中，a、α、c、k和饱和磁化强度Ms是由测量磁滞特性所决定的参数；δ是是方向参数，当d H/d t＞0时，其值取+1，d H/d t＜0时，其值取-1。这样,磁化强度M就能由磁场强度H求解得到。

经典的Jiles-Atherton磁滞模型在使用上有所不便，将对原始的Jiles-Atherton进行形式的改变，改进的模型的主方程[2-3]为

2 BP神经网络和遗传算法

BP神经网络是一个多层的前馈神经网络，其学习过程由信号的正向传播与误差的反向传播2个过程循环进行的。……