优化接参数使用改进的登算法基于BP神经网络的多珠接光滑控制多珠接光滑控制

科学领域:

• 材料科学与工程 材料科学与工程
• 人工智能在制造业中的应用
• 机器人和自动化机器人与自动化

背景情况:

• 实现统一的接表面对于多通的机械性能至关重要.
• 接参数和珠几何之间的复杂非线性关系挑战了传统的优化方法.
• 自动化多珠叠加接需要精确控制表面质量.

研究的目的:

• 开发一个智能框架来预测和优化接表面的光滑度.
• 将反向传播 (BP) 神经网络与改进的登算法集成.
• 为了增强自动化的多珠叠加接工艺.

主要方法:

• 训练了BP的神经网络,使用关于弧电压,电线输入速率和接速度的实验数据.
• 采用了改进的登算法来自适应地调整BP模型的重量和偏差.
• 验证了框架与传统的BP方法对预测准确性和趋同的验证.

主要成果:

• 与传统的BP方法相比,拟议的智能框架显示出明显更高的预测准确性和融合效率.
• 该模型确定的最佳接参数导致了明显更光滑的接表面.
• 减少了对接后表面加工操作的需求.

结论:

• 集成的BP神经网络和改进的登算法为接表面优化提供了一种新有效的解决方案.
• 这种智能方法在先进的接系统中促进了实时控制和优化.
• 该研究通过提高表面质量和减少加工时间来推进自动化接.