基于ALO-BP神经网络和机械零件加工特征的工艺方案决策

针对传统制造企业工艺知识应用不充分，用于工艺方案决策过程的部分BP神经网络决策效率和准确率不高的问题，采用蚁狮优化(Ant Lion Optimizer, ALO)算法优化的BP神经网络构建了基于零件加工特征的工艺方案智能决策模型。首先对产品及工艺数据进行预处理，其次应用蚁狮优化算法对BP神经网络的初始化权值和阈值进行优化，最终基于样本数据集开展神经网络训练，进一步建立智能决策系统，并以柴油机零件为对象进行了工艺方案决策方法的应用验证。实例验证表明，采用优化的BP神经网络后，决策的速度和精度都有明显的提升；所构建决策系统是可行的，能够用于工艺方案的决策。