典型文献
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
文献摘要：
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 GA-BP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.
文献关键词：
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
中图分类号：
作者姓名：
杨思瑞;白海清;鲍骏;任礼;李超凡
作者机构：
陕西理工大学机械工程学院,陕西汉中723001;陕西省工业自动化重点实验室,陕西汉中723001
文献出处：
引用格式：
[1]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):141-149
A类：
Fe45
B类：
遗传算法优化,形貌预测,激光熔覆,基材,试验方案,GA,初值,激光工艺参数,出进,三种方法,分析预测,预测误差,神经网络预测模型,熔覆层质量,指导价值,激光技术,反向传播神经网络
AB值：
0.185202
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
