第43卷第7期高师理科学刊Vol.43No.72023年7月JournalofScienceofTeachers′CollegeandUniversityJul．2023文章编号：1007-9831（2023）07-0033-08基于改进遗传算法优化BP神经网络的表面粗糙度误差预测张剑飞，王磊，刘明，王硕（齐齐哈尔大学计算机与控制工程学院，黑龙江齐齐哈尔161006）摘要：随着现代制造业的发展，对工件加工质量和精度越来越追求高标准．表面粗糙度作为评价工件质量的重要指标，对工件质量和产品特性具有重要的影响．针对传统BP（BackPropagation）神经网络在训练过程中易陷入局部极小值和收敛速度慢等不足，遗传算法（GeneticAlgorithm，GA）存在随机性问题，提出采用遗传算法和混合蛙跳算法（ShuffledFrogLeapingAlgorithm，SFLA）结合来改进BP神经网络（记为SFLA-GA-BP）进行工件表面粗糙度误差预测．以工件表面粗糙度与砂轮粒度、砂轮转速、工件速度、进给率四要素之间的相关关系为研究目标，通过正交实验技术，分别以BP神经网络、遗传算法改进BP神经网络（记为GA-BP）和SFLA-GA-BP神经网络进行建模分析．实验结果表明，SFLA-GA-BP的均方根误差（RootMeanSquaredError，RMSE）比BP网络和GA-BP网络分别提高了1.7%和0.7%、平均绝对百分误差（MeanAbsolutePercentageError，MAPE）分别提高了2%和1.1%，平均绝对误差（MeanAbsoluteError，MAE）分别提高了1%和0.6%．SFLA-GA-BP模型的预测误差相比于BP神经网络和GA-BP神经网络更加精准．故SFLA-GA-BP模型对于预测工件表面粗糙度具有更高的准确率和良好的稳定性，同时为企业减少成本，对企业智能化发展具有一定的指导意义．关键词：表面粗糙度；神经网络；遗传算法；混合蛙跳算法中图分类号：TP39文献标识码：Adoi：10.3969/j.issn.1007-9831.2023.07.008PredictionofsurfaceroughnesserrorbasedonBPneuralnetworkoptimizedbyimprovedgeneticalgorithmZHANGJianfei，WANGLei，LIUMing，WANGShuo（SchoolofComputerandControlEngineering，QiqiharUniversity，Qiqihar161006，China）Abstract：Withthedevelopmentofmodernmanufacturingindustry，theworkpieceprocessingqualityandprecisionareincreasinglypursuinghighstandards．Surfaceroughnessisasignificantindextoestimatethesurfacequalityofworkpiece，ithadsignificantinfluenceonthequalityofmachinedpartsandproductperformance．AimingattheshortcomingsoftraditionalBP（BackPropagation）neuralnetworkswaseffort...
