根据磁弹基本原理可知,不同拉力作用下杆件材料的磁滞回线存在差异,据此提出了一种磁弹拉力测量改进方法.该方法先采用双套筒线圈式磁弹传感器采集不同拉力下杆件磁滞回线信号,并利用磁滞变化曲线衡量力对磁滞回线上每一点的影响,应用小波分析对磁滞变化曲线降维得到不同拉力下的低分辨率磁滞变化曲线特征,输入到神经网络进行训练,从而获得低分辨率磁滞变化曲线与拉力的映射关系.通过实验分析表明,磁滞变化曲线可以从本质上直观地反映拉力对磁滞回线上每一个点的影响.低分辨率磁滞变化曲线特征不仅包含着完整的拉力对磁滞回线每一点影响的信息而且特征维数低.应用基于低分辨率磁滞变化曲线和神经网络的拉力测量方法,无需分析灵敏度曲线和拟合确定系数曲线就可确定反映拉力的特征,可以实现多特征对拉力的拟合.接着,比较了误差反向传播神经网络(BPNN)、径向基神经网络(RBFNN)和利用线性插值样本训练的RBF神经网络对拉力的预测性能,发现利用线性插值样本训练后的RBF神经网络的预测效果,优于BP神经网络和没采用线性插值样本训练的RBF神经网络.最后,将基于低分辨率磁滞变化曲线和采用线性插值样本训练的RBF神经网络的拉力测量方法集成于双套筒线圈式杆件拉力测量装置并应用于实际拉力测量中,其拉力测量误差和确定系数分别达到0.11％和1,达到了实际测量要求,证明了该方法的有效性和可用性.