《表2 电弧多道增材BP神经网络参数设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合BP-ANN-MCSA算法的电弧增材工艺参数寻优策略研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

再根据得到的焊道宽高、间距-焊道不平整度映射关系实验数据，建立基于BP神经网络的焊道不平整度预测模型，其样本数据的归一化处理借鉴前文单道焊道形状BP神经网络，采取相同的归一化方法、相关函数及性能评价方法，具体BP神经网络的参数设置如表2所示。BP预测值和实验值之间的相关关系如图3所示，经验证，训练样本和测试样本的相关系数分别为0.991和0.986，训练样本和测试样本的平均相对误差分别为7.99%和8.32%，且数据点均位在拟合线附近，说明该BP神经网络预测精度和泛化能力良好，可对不同工艺参数条件下单层多道焊道的表面平整度进行有效预测。根据该网络构建了熔丝增材焊道宽高、间距-焊道表面平整度的映射关系，如图4所示。