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
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
收藏
页码:172 / 176
页数:5
相关论文
共 12 条
[11]  
Laser milling of cavity in ceramic substrate by fracture-machining element technique[J] . Chwan-Huei Tsai,Hong-Wen Chen.Journal of Materials Processing Tech. . 2003 (1)
[12]  
Investigation of micro-milling process parameters for surface roughness and milling depth. IE Saklakoglu,S Kasman. The International Journal of Advanced Manufacturing Technology . 2011