基于改进的粒子群优化神经网络粗糙度预测模型

• 作者: 史柏迪 庄曙东 韩祺
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 表面粗糙度 神经网络 算法优化器 粒子群优化
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 设计与研究
• 页码范围: 30-33,38
• 页数: 5页
• 分类号: TH162|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.02.008

摘要

神经网络算法在金属零件加工表面粗糙度预测中有着广泛的运用,但是尚存网络初始化及梯度弥散这类"黑盒"问题.提出一种基于传统PSO-BP框架的改进模型,使用Xavier替代传统高斯分布初始化粒子群,在算法优化器方面使用最新的自适应矩限制取代随机梯度下降算法进行模型参数更新,经实际测试发现其训练集均方误差及其测试集绝对误差相对传统PSO-BP算法均有所降低,可以更有效担任预测任务.