基于粒子群优化算法的电弧增材制造焊道尺寸反向传播神经网络预测模型

来源：机械工程材料杂志2024年第2期北京时间：

作者：刘浩民, 杨洪才, 刘战, 李子葳, 孙俊华, 张元彬

摘要：选取焊接电流、送丝速度、焊接速度及基板温度作为输入变量,焊道熔宽和余高作为输出变量,选择粒子群优化（PSO）算法中的最优粒子惯性权重和学习因子,构建熔化极惰性气体保护电弧增材制造316L不锈钢PSO反向传播（PSO-BP）神经网络模型。结果表明：PSO-BP神经网络模型预测的焊道熔宽与期望值的均方根误差、最大相对误差与平均相对误差分别为0.386,13.477%,2.580%,焊道余高的分别为0.152,10.372%,2.810%；相较于BP神经网络模型,PSO-BP神经网络模型对焊道尺寸的预测精度更高,稳定性更强。

关键词：电弧增材制造, 焊道尺寸, 神经网络, 粒子群优化