科研之友
微信
新浪微博
Facebook
分享链接
摘要
为精确预测管材弯曲回弹并设计合理的补偿方案，选择经过优化处理的BP机器学习算法建立预测模型，之后对其开展了控制性能评价。大幅提升了泛化性能并获得更高的预测精度，促进算法更快完成收敛过程。并对模型开展了验证分析。研究结果表明：当以PSO算法优化BP建立预测模型进行预测时跟目标结果间形成了15.7%的平均误差，相对于BP预测模型，大幅提升了预测精度，但会导致计算效率明显下降，所需计算时间接近1.5h。以改进粒子群算法对BP进行优化后，可以有效提升神经网络泛化性能，跟目标值相比平均误差只有6.2%。先对基本PSO算法实施优化处理，再利用优化后的PSO算法调整BP，由此建立得到机器学习预测模型。此模型可以达到高预测精度以及高效率的要求，可以有效满足管材数控弯曲回弹以及补偿的计算需求。
-
单位重庆大学; 巴中职业技术学院; 四川电子机械职业技术学院机电工程系
