基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)建模

祁 翔，張心光

(上海工程技術(shù)大學(xué) 機(jī)械與汽車工程學(xué)院，上海201620)

0 引 言

本次研究中，基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)和基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)建模的訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)都來自于文獻(xiàn)［1］，通過層次分析法可發(fā)現(xiàn)在影響切削工件表面質(zhì)量的眾多因素中，工件表面粗糙度權(quán)重最高，并且考慮到以往研究高速銑削工藝的學(xué)者們常采用高速銑削工件表面粗糙度預(yù)測(cè)模型［1］來解決實(shí)際工藝過程中出現(xiàn)的一些無法解釋的問題，故本文主要選擇高速銑削工件表面粗糙度［2］作為預(yù)測(cè)值。

雖然曲線擬合［3］、人工神經(jīng)網(wǎng)絡(luò)［4］等方法都是高速銑削工件表面粗糙度預(yù)測(cè)模型的主流構(gòu)建方法，但除了人工神經(jīng)網(wǎng)絡(luò)外其它方法在各種實(shí)際應(yīng)用中都會(huì)表現(xiàn)出不足，例如曲線擬合方法會(huì)在建立預(yù)測(cè)模型中存在假定數(shù)學(xué)模型和實(shí)際數(shù)學(xué)模型適配度低的問題。而人工神經(jīng)網(wǎng)絡(luò)就有效避免了這一方面的弊端。研究可知，人工神經(jīng)網(wǎng)絡(luò)因?yàn)樽陨斫Y(jié)構(gòu)簡(jiǎn)單、應(yīng)用要求低等優(yōu)點(diǎn)在如今的各大主流領(lǐng)域應(yīng)用中都得到了不錯(cuò)的效果。于振等人［5］為了解決常用扭矩傳感器的剛度差，校準(zhǔn)效率低等問題設(shè)計(jì)了一種基于BP神經(jīng)網(wǎng)絡(luò)的扭矩傳感器靜態(tài)校準(zhǔn)系統(tǒng)；陳智雨等人［6］為了提高對(duì)光伏發(fā)電量的預(yù)測(cè)精度，建立了基于ACO-BP神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)發(fā)電功率預(yù)測(cè)模型；江毓等人［7］為了研制出新一代的智能電機(jī)異音自動(dòng)化檢測(cè)設(shè)備，即基于BP神經(jīng)網(wǎng)絡(luò)提出了一種新型的電機(jī)異音診斷方法。……