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

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。