基于遗传算法优化反向传播神经网络的激光铣削层质量预测

被引：22

作者：

许兆美 ^{[1
,2
]}

周建忠 ^{[1
]}

黄舒 ^{[1
]}

孟宪凯 ^{[1
]}

韩煜航 ^{[1
]}

田清 ^{[1
]}

机构：

[1] 江苏大学机械工程学院

[2] 淮阴工学院机械工程学院

来源：

中国激光 | 2013年 / 40卷 / 06期

关键词：

激光技术; 激光铣削; 遗传算法; 反向传播神经网络; 优化算法;

D O I：

暂无

中图分类号：

TG54 [铣削加工及铣床]; TP183 [人工神经网络与计算]; TN249 [激光的应用];

学科分类号：

080201 ; 080503 ; 081104 ; 0812 ; 0835 ; 1405 ; 0803 ; 080401 ; 080901 ;

摘要：

为了有效地控制激光铣削层质量,建立了激光铣削层质量(铣削层深度、铣削层宽度)与铣削层参数(激光功率、扫描速度和离焦量)之间的反向传播(BP)神经网络预测模型。利用遗传算法(GA)优化了BP神经网络的权值和阈值,构建了基于遗传算法神经网络的质量预测模型。用GA-BP算法对激光铣削层质量进行了仿真预测,并将仿真结果与BP神经网络模型仿真结果进行了对比。仿真结果表明,两种网络模型的平均误差较小,网络训练后检验精度较高,说明两种网络模型用于激光铣削层质量预测是可行的,并且遗传算法优化BP神经网络能够有效地提高网络的收敛性和预测精度。

引用

页码：172 / 176

页数：5

共 12 条

[1] 基于人工神经网络的激光立体成形件成形表面质量预测 [J].

杨东辉 ;

马良 ;

黄卫东 .

中国激光, 2011, 38 (08) :88-93

[2] Al2O3陶瓷激光铣削数值模拟与试验 [J].

黄舒 ;

周建忠 ;

盛杰 ;

朱银波 .

农业机械学报, 2011, 42 (07) :229-234

[3] 激光三维铣削在陶瓷成形加工中的应用研究 [J].

朱银波 ;

周建忠 ;

黄舒 ;

蒋素琴 ;

杨小东 .

激光杂志, 2009, 30 (06) :59-61

[4] 基于变质层的Al2O3陶瓷激光铣削试验研究 [J].

王续跃 ;

徐文骥 ;

雷明凯 ;

陈华 ;

王连吉 ;

郭东明 .

大连理工大学学报, 2009, 49 (02) :211-215

[5] 进化神经网络在激光熔覆成形中的应用研究 [J].

徐大鹏 ;

周建忠 ;

郭华锋 .

应用激光, 2006, (05) :303-306

[6] 前向神经网络隐含层节点数的一种优化算法 [J].

夏克文 ;

李昌彪 ;

沈钧毅 .

计算机科学, 2005, (10) :143-145

[7]

人工神经网络与模拟进化计算[M]. 清华大学出版社 , 阎平凡,张长水编著, 2005

[8]

神经网络及其在工程中的应用[M]. 机械工业出版社 , 张际先,宓霞编著, 1996

[9]

Prediction of depth of cut for single-pass laser micro-milling process using semi-analytical, ANN and GP approaches[J] . Chinmay Desai,Abdulhafiz Shaikh.The International Journal of Advanced Manufacturing Technology . 2012 (9)

[10]

Experimental analysis of the laser milling process parameters[J] . S.L. Campanelli,A.D. Ludovico,C. Bonserio,P. Cavalluzzi,M. Cinquepalmi.Journal of Materials Processing Tech. . 2007 (1)

← 1 2 →