《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》
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。
图表编号 | XD0074310900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.10 |
作者 | 关子奇、朱玉龙、刘晓光、刘丹、常云龙 |
绘制单位 | 沈阳工业大学材料科学与工程学院、广东省智能制造研究所、广东省智能制造研究所、广东工业大学自动化学院、广东省智能制造研究所、沈阳工业大学材料科学与工程学院、沈阳工业大学材料科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |