基于MEA-BP神经网络的超声挤压加工表面粗糙度预测
陈爽
张志
肖锦初
胡家进
赵录冬
江西理工大学 机电工程学院,江西 赣州 341000
摘要：为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型.该模型利用思维进化算法(mind ev-olutionary algorithm,MEA)的全局搜索能力对BP神经网络的权值和阈值进行优化.为了验证该模型的有效性,对45号钢进行超声挤压加工后,使用BP神经网络进行预测,通过引入思维进化算法(MEA)和遗传算法(GA)优化BP神经网络的权值和阈值,并对3种模型的预测精度进行对比分析.结果表明:在相同的实验条件下,MEA-BP模型的预测结果最精准,与BP神经网络相比,该模型精度高,运行速度快.
关键词：超声挤压加工表面粗糙度预测思维进化算法BP神经网络预测精度
分类号：TG663(金属学与金属工艺)
资助基金：国家自然科学基金(51965023)江西省高等学校科技落地计划(KJLD14044)江西省自然科学基金(20151BBE50037)
论文发表日期：2021-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 104-109 )
英文信息