基于GA-BP神经网络的镁合金微弧氧化膜层厚度预测

来源期刊：兵器材料科学与工程2017年第1期

论文作者：杨武 张春燕 马超

文章页码：88 - 92

关键词：镁合金;微弧氧化;反向传播神经网络;遗传算法;膜层厚度;

摘    要：为直观地检验膜层的质量,建立微弧氧化工艺参数（电流大小、脉冲宽度、氧化时间）与微弧氧化膜层厚度之间的反向传播（BP）神经网络预测模型,其结构为3-10-1（即3个输入神经元,10个隐含层节点,1个输出神经元）。采用遗传算法（GA）优化BP神经网络的初始权值和阈值,构建基于遗传算法神经网络的膜厚预测模型。用GA-BP神经网络对膜厚进行模型仿真,并将仿真结果与BP神经网络模型仿真结果进行对比。结果表明,GA-BP网络模型预测值的平均误差为1.65%,最大误差为9.75%,而BP模型预测结果的平均误差为8.62%,最大误差为13.68%。GA-BP神经网络模型预测精度要优于BP神经网络模型。