结合CSSA-BP神经网络的砂带磨抛表面粗糙度预测研究

镍基合金在航空涡轮机、压气机的叶片制造中广泛应用，提升其加工效率与质量是行业热点。为实现航发叶片恒力磨抛的表面粗糙度准确预测，提出一种基于改进麻雀搜索算法（CSSA）优化BP神经网络的预测模型，开展机器人砂带磨抛工艺参数预测研究。选取4个主要影响因素为变量进行正交试验和极差分析；利用BP神经网络建立表面粗糙度预测模型，引入Tent混沌映射和种群多样性变异，进行麻雀搜索算法的改进，再通过CSSA对预测模型进行优化。结果表明：优化后的粗糙度预测误差降低了85.9%，相比优化前提升明显，可准确预测所输入工艺参数对应的粗糙度值。