一种基于降维数据驱动的励磁波形估计方法

本发明提供了一种基于降维数据驱动的励磁波形估计方法，属于磁性电气元件技术领域。解决了传统模型法其准确性和抗干扰能力不足的技术问题。其技术方案为：包括以下步骤：步骤1)对原始数据进行降维预处理得到特征样本；步骤2)并确定MLP神经网络的各层结构；步骤3)使用交配策略对星鸦优化算法进行改进；步骤4)结合改进的星鸦优化算法对MLP神经网络的网络参数进行训练，得到初步更新的MLP神经网络；步骤5)利用FNOA‑MLP神经网络算法对磁芯励磁波形进行预测。本发明的有益效果：在低秩逼近中的数据，具有更强的模型表达能力。