节点文献

基于GA-BP神经网络的镁合金微弧氧化膜层厚度预测

免费订阅

【作者】 杨武张春燕马超

【Author】 YANG Wu;ZHANG Chunyan;MA Chao;School of Mechanical Engineering,Jiangsu University of Science and Technology;

【机构】 江苏科技大学机械工程学院

【摘要】 为直观地检验膜层的质量,建立微弧氧化工艺参数(电流大小、脉冲宽度、氧化时间)与微弧氧化膜层厚度之间的反向传播(BP)神经网络预测模型,其结构为3-10-1(即3个输入神经元,10个隐含层节点,1个输出神经元)。采用遗传算法(GA)优化BP神经网络的初始权值和阈值,构建基于遗传算法神经网络的膜厚预测模型。用GA-BP神经网络对膜厚进行模型仿真,并将仿真结果与BP神经网络模型仿真结果进行对比。结果表明,GA-BP网络模型预测值的平均误差为1.65%,最大误差为9.75%,而BP模型预测结果的平均误差为8.62%,最大误差为13.68%。GA-BP神经网络模型预测精度要优于BP神经网络模型。

【所属期刊栏目】 试验研究 (2017年01期)
  • 【DOI】10.14024/j.cnki.1004-244x.20161228.003
  • 【分类号】TG174.4;TP183
  • 【被引频次】4
  • 【下载频次】225
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: