基于回归分析和遗传算法优化的BP神经网络熔覆层形貌预测

针对激光熔覆过程中熔覆层形貌难以控制的问题，以45钢和Fe45分别作为基材和熔覆粉末，设计3因素5水平的试验方案，并测量熔覆层的宏观尺寸。首先，利用遗传算法（GA）对反向传播（BP）神经网络的初值进行优化，建立了GABP神经网络模型，以激光工艺参数为输入、熔覆层形貌为输出进行了训练和测试，分析其预测精度。然后，分别以回归分析、BP神经网络和GA-BP神经网络三种方法建立预测模型，并与实际得到的熔覆层形貌进行比较。结果表明，通过遗传算法优化的GA-BP神经网络模型与实际的误差约为3%,BP神经网络模型与实际误差为7.38%，而回归分析预测模型预测误差最大可达到15.5%。经比较可知，GA-BP神经网络预测模型的结果与实际最为接近。故GA-BP神经网络预测模型对提高熔覆层质量具有一定的指导价值。