《表3 各模型平均预测误差》
![《表3 各模型平均预测误差》](http://bookimg.mtoou.info/tubiao/gif/TJDX202010003_02100.gif)
本系列图表出处文件名:随高清版一同展现
《基于径向基函数神经网络和NSGA-Ⅱ的气保焊工艺多目标优化》
将表2中后11组试验(序号28~38)用于测试模型性能,5种模型预测熔宽、余高和熔深的平均误差如表3所示.因为BP神经网络和GA-BP神经网络需要初始化权值和阈值,因此建模过程存在随机性,往往需要多次尝试才能获得满意的结果.而与BP神经网络和GA-BP神经网络相比,克里金插值法、RBF神经网络和回归模型则无需多次建模,具有更好的建模稳定性和可重复性.由表3可知,RBF神经网络对熔宽和熔深的预测平均误差最小,分别为4.12%和5.02%.在预测余高时,RBF神经网络也表现出良好的预测精度,其3.35%的平均误差为所有预测模型中第2优.另外,与平均预测性能表现同样良好的回归模型相比(如图3所示),把每组预测的熔宽、余高和熔深相对误差整体当作考察对象,发现RBF神经网络对焊缝3种几何特征的预测只有1组试验中的预测相对误差大于10%,而回归模型却有8组,因此RBF神经网络对每次试验结果的预测能力波动更小、更稳定.综上,考虑建模过程的稳定性、预测精度和预测稳定性,RBF神经网络是最合适的预测模型.
图表编号 | XD00155910200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 吕小青、王旭、徐连勇、荆洪阳 |
绘制单位 | 天津大学材料科学与工程学院、天津市现代连接技术重点实验室、天津大学材料科学与工程学院、天津大学材料科学与工程学院、天津市现代连接技术重点实验室、天津大学材料科学与工程学院、天津市现代连接技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |