基于改进BP神经网络的激光选区熔化表面粗糙度预测

为提升激光选区熔化表面粗糙度预测的精确度,提出改进BP神经网络模型。首先依据参数建立指数模型,利用灰色关联度分析各因素,求解获得各因素的指数值;然后建立BP神经网络模型,改进粒子群算法优化包括自适应惯性权重更新和动态调节学习因子,同时指数模型预测结果作为特征输入到BP神经网络模型;最后给出算法流程。实验显示,改进BP神经网络在较少的隐含层节点下达到了更低的平均相对误差,激光选区熔化表面粗糙度预测更接近真实值,改进BP神经网络决定系数相比EM、BPNN、GABPNN分别提升了6.40%、1.14%、0.07%,均方根误差相比EM、BPNN、GABPNN分别降低了0.0363、0.0627、0.0668,评价指标较优。

资料为PDF文档格式.

本文档关键词:熔化,选区,粗糙,激光,预测