《表1 试验方案和数据：基于GA优化BP神经网络的焊接熔池照度建模》

  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

《基于GA优化BP神经网络的焊接熔池照度建模》

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

以GA算法优化后的BP神经网络作为焊接熔池照度模型，为了试验数据的充分性把表1的27组对比试验数据全部设定为训练样本，测试数据样本则选取第22～27组数据，以上述数据对GA算法优化后的BP神经网络结构进行拟合训练。训练结束后随机选择3组试验数据对未使用GA算法优化过的网络结构与使用GA算法优化的网络结构进行误差对比分析。结果如表2所示，可以看出GA+BP优化后的网络结构生成的输出值的最大误差绝对值为8.1，而BP网络结构生成的输出值的最大误差绝对值为30.9，GA+BP优化后的网络结构生成的输出值更加准确。未经遗传算法优化的网络与经遗传算法优化的网络的训练样本预测结果与试验结果之间的误差分布如图7所示。从图中可以看出，经遗传算法优化的网络结构预测结果误差范围很小，而未经遗传算法优化的网络结构预测结果误差的波动范围比较大。这说明经遗传算法优化的BP网络预测结果准确性有了很大提高。