磁滞现象本身是一个复杂的非线性问题,在铁磁、机械及光学系统等许多工程中都会遇到磁滞现象。对磁滞特性进行研究,首先要对材料的磁滞特性进行数值模拟,即建立磁性材料的磁滞数学模型。论文研究了铁磁材料的磁滞特性,深入研究了常用的磁滞数学模型,其中Jiles-Atherton磁滞数学模型是一种源于磁滞机理的模型,它的应用比较广泛。针对磁滞模型的实现,研究了人工神经网络技术和遗传算法,并分析了这两种算法的优缺点,文中结合上述两种算法,提出了一种新的优化算法,此算法融合了两种算法的优点：遗传算法不依赖初值,求解速度快；BP神经网络简单、易行、计算量小、并行性强。文中的算法求解速度快、精度高,适合于解决大规模非线性模型参数辨识问题的优化,并用算例进行验证此算法的实用性。基于爱泼斯坦方圈法测试磁性能原理,测试了50WW400电工硅钢片和BK-50变压器的铁心磁化特性,并对结果进行了分析。最后,论文应用所提出的神经网络与遗传算法相结合的算法对改进的Jiles-Atherton磁滞数学模型的参数进行辨识,以及通过提取出的参数求解模型方程,得到了与实验曲线较为吻合的计算仿真曲线。