基于BP神经网络的静电喷涂涂膜厚度预测方法研究

目前,在静电喷涂作业中,喷涂参数只能根据人工经验进行设置,使喷涂工件获得理想的涂膜厚度,但这种喷涂参数的设置方法缺乏科学性,严重依赖工人的喷涂经验,且无法保证涂膜厚度控制的准确性。针对上述问题,提出一种基于BP神经网络的静电喷涂涂膜厚度预测方法,构建了神经网络模型,开展了训练样本采集实验,完成了神经网络的训练,最后采用神经网络对不同喷涂参数下的涂膜厚度进行了预测,并开展了预测对比实验。结果表明,神经网络对涂膜厚度预测的准确率最高可达95%,平均误差为12%,最大误差为20%,能为喷涂参数的设置提供有效的科学依据。