来源：期刊VIP网 时间：
作者：丁燕;王磊;王远;
单位：黄河水利职业技术学院电气工程学院;
摘要：为提升激光选区熔化表面粗糙度预测的精确度，提出改进BP神经网络模型。首先依据参数建立指数模型，利用灰色关联度分析各因素，求解获得各因素的指数值；然后建立BP神经网络模型，改进粒子群算法优化包括自适应惯性权重更新和动态调节学习因子，同时指数模型预测结果作为特征输入到BP神经网络模型；最后给出算法流程。实验显示，改进BP神经网络在较少的隐含层节点下达到了更低的平均相对误差，激光选区熔化表面粗糙度预测更接近真实值，改进BP神经网络决定系数相比EM、BPNN、GABPNN分别提升了6.40%、1.14%、0.07%，均方根误差相比EM、BPNN、GABPNN分别降低了0.0363、0.0627、0.0668，评价指标较优。
关键词：BP神经网络;;激光选区熔化;;粗糙度;;粒子群;;精确度
基金资助：河南省高等学校重点科研项目(24A510008)
