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 |
| |
引用本文: | 杨思瑞,白海清,鲍骏,任礼,李超凡.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[J].激光与光电子学进展,2022(21):149-157. |
| |
作者姓名: | 杨思瑞 白海清 鲍骏 任礼 李超凡 |
| |
作者单位: | 1. 陕西理工大学机械工程学院;2. 陕西省工业自动化重点实验室 |
| |
摘 要: | 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。
|
关 键 词: | 激光技术 激光熔覆 遗传算法-反向传播神经网络 回归分析 形貌预测 |
|
|