|
|||||
|
|
| 基于SSA-PSO-BP神经网络航空壁板装夹变形预测研究 | |
| 引用本文： | 刘红军,邵泓斌.基于SSA-PSO-BP神经网络航空壁板装夹变形预测研究[J].机床与液压,2023,51(23):114-120. |
| 作者姓名： | 刘红军 邵泓斌 |
| 作者单位： | 沈阳航空航天大学机电工程学院 |
| 基金项目： | 国家自然科学基金（51875367） |
| 摘 要： | 航空壁板在制孔时由于装夹会发生轻微形变，导致盲制孔精度降低。受加工成本影响，无法通过众多激光传感器来确定装夹后壁板的确切位置。为精准预测航空壁板的变形量，提出一种改进的神经网络预测算法，首先利用粒子群优化算法(PSO)将BP神经网络的初始权值和阈值进行初次优化，再选取收敛速度快、全局寻优能力强的麻雀搜索算法(SSA)对权值和阈值进行二次寻优，从而建立SSA-PSO-BP神经网络航空壁板装夹变形预测模型。利用Abaqus软件获取50组壁板变形数据作为神经网络的训练与预测数据(训练集45个，测试集5个),对神经网络模型进行训练。为了验证所建模型的准确性，利用BP、PSO-BP、SSA-PSO-BP这3种模型对测试集进行预测，并运用MAPE与RMSE对神经网络模型进行评价。结果表明：基于SSA-PSO-BP的神经网络模型预测航空壁板变形误差较小，预测结果准确率更高。 |
| 关 键 词： | 航空壁板变形预测 粒子群优化算法 麻雀搜索算法 BP神经网络 Abaqus仿真 |
Research on Prediction of Aerospace Panel Clamping Deformation Based on SSA-PSO-BP Neural Network |
|
| LIU Hongjun,SHAO Hongbin.Research on Prediction of Aerospace Panel Clamping Deformation Based on SSA-PSO-BP Neural Network[J].Machine Tool & Hydraulics,2023,51(23):114-120. | |
| Authors: | LIU Hongjun SHAO Hongbin |
| Abstract: | |
| Keywords: | Aerospace panel deformation prediction Particle swarm optimization algorithm Sparrow search algorithm BP neural network Abaqus simulation |
| 点击此处可从《机床与液压》浏览原始摘要信息 | |
| 点击此处可从《机床与液压》下载全文 | |