基于 PSO-BP 神经网络的微流体惯性开关接触电阻预测研究

来源：机械与电子杂志2024年第12期北京时间：

作者：袁君鑫;聂伟荣;席占稳;曹云

单位：南京理工大学机械工程学院,江苏 南京 210094

摘要：微流体惯性开关可以避免机械惯性开关的磨损、变形和振动等问题,因此被广泛应用于汽车、军事和医疗等行业。由于开关本身电阻会对电信号传递产生较大影响,针对这一问题,对微流体惯性开关的接触电阻进行理论分析与仿真并建立模型以预测接触电阻大小。采用数值仿真法,以接触电阻为研究对象,通过改变电极宽度、两电极间距、电极与侧壁距离、惯性力作用时间和正应力 5 个参数得到 580 组样本数据,根据样本数据建立随机森林、BP神经网络和基于粒子群优化的 BP 神经网络 3 种预测模型。通过对建立的 3 种预测模型对比分析,发现基于粒子群优化的 BP 神经网络模型的预测效果最好。为了验证基于粒子群优化的 BP 神经网络预测模型的合理性,以接触电阻最小值为优化目标,利用遗传算法对该预测模型拟合的映射函数的参数在给定范围内寻优,发现遗传算法得到的电阻最优值与理论仿真值相差 10.41% ,结果表明可以借助基于粒子群优化的 BP 神经网络预测模型估计开关接触电阻。

关键词：惯性开关;接触电阻;预测模型;粒子群优化;遗传算法