基于SMA-BP算法的焊件动态电阻预测

在电阻点焊过程中焊点的形成涉及多个物理量的变化,不能精确描述。因此,本文采集标准焊点的焊接数据,建立基于黏菌算法-BP神经网络(Slime Mould Algorithm-Back Propagation Neural Network,SMA-BP)的焊点动态电阻预测模型。将当前时刻的电极累计释放的热量与动态电阻作为预测模型的输入,下一时刻的动态电阻作为模型的输出。结果表明,经黏菌算法优化后的BP神经网络在测试集上的决定系数R^(2)、均方误差(MSE)、均方根误差(RMSE)和平均绝对误差(MAE)均优于单一的BP模型,给电阻点焊控制器的设计提供参考。