基于进化神经网络的磁粒研磨表面粗糙度预测方法研究

作     者：徐良 陈燕 韩冰 程海东 刘文浩 XU Liang;CHEN Yan;HAN Bing;CHENG Hai-dong;LIU Wen-hao

作者机构：辽宁科技大学机械工程与自动化学院辽宁鞍山114051 

基　　金：国家自然科学基金(51775258) 

出 版 物：《表面技术》 (Surface Technology)

年 卷 期：2021年第50卷第12期

页      码：94-100,118页

摘      要：目的为实现磁粒研磨光整加工的表面粗糙度精准预测,提出一种遗传算法优化表面粗糙度BP神经网络的预测模型。方法将表面粗糙度作为预测的目标,影响磁粒研磨5052铝合金管内表面粗糙度的五个主要工艺参数作为神经网络的输入。合理设计正交试验,得到不同工艺参数配置下的表面粗糙度值,将其作为神经网络的输出。通过建立非线性预测模型,对比遗传算法优化后和传统BP神经网络的均方差与仿真时间,分析优化前后表面粗糙度的预测效果。结果通过试验数据建立了结构为5-11-1的神经网络,进化BP神经网络预测模型均方差为0.044,建模仿真时间为0.187 s,其平均相对误差率为13.2%。传统的BP神经网络预测模型均方差为0.231,建模仿真时间为1.840 s。结论通过遗传算法优化后的BP神经网络均方差更小,建模仿真时间更短,进化BP神经网络可以实现更为精准的预测,同时能够极大地避免传统BP神经网络易陷入局部极小值的弊端。

主 题 词：磁粒研磨 表面粗糙度 预测模型 遗传算法 BP神经网络 5052铝合金 

学科分类：080503[080503] 08[工学] 0805[工学-能源动力学] 0802[工学-机械学] 080201[080201] 

核心收录：

D　O　I：10.16490/j.cnki.issn.1001-3660.2021.12.009

馆 藏 号：203106974...