基于改进PSO-BP神经网络的回弹预测研究

摘要：

在V形自由折弯中,准确地预测板料回弹,有利于实际生产中精确地控制回弹以提高生产效率.由于板料回弹的影响因素众多,呈现出复杂的非线性变化特征,采用传统的BP神经网络难以满足高精度的预测要求,因此为了进一步有效预测板料的回弹,提出基于改进粒子群算法优化的BP神经网络预测模型.对标准粒子群算法的缺陷进行改进,利用改进粒子群算法的全局搜索能力对BP神经网络的权值和阈值进行优化求解,提高了BP神经网络预测模型的收敛精度和泛化能力.将改进PSO-BP神经网络预测模型应用在板料回弹预测中,并与LM-BP神经网络预测模型进行对比仿真,结果表明改进PSO-BP神经网络预测模型具有更高的非线性拟合优度和预测精度.

关键词：V形自由折弯、回弹、BP神经网络、改进粒子群算法、全局搜索能力、收敛精度、泛化能力

所属期刊栏目：42

分类号：TN711-34;TP301.6(基本电子电路)

资助基金：湖北省自然科学基金创新群体重点项目2014CFA013

在线出版日期：2019-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：161-165,170