基于改进BP神经网络的装配质量预测方法

装配是产品制造过程中耗费大量时间和精力的重要环节,影响着产品整个生命周期。针对产品装配效率低的问题,提出遗传算法优化BP神经网络的装配质量预测方法。以DC零件的质心后端、质量、长度这三个质量特性为基础,划分数据,确定BP神经网络结构,以均方误差作为遗传算法的适应度函数,寻找最优的初始权值和阈值,建立了遗传算法优化BP神经网络模型,并结合平均绝对误差MAE、均方误差MSE、均方根误差RMSE对预测结果进行了对比。实验结果表明:相比于传统的BP神经网络,经过遗传算法优化的BP神经网络在质量预测方面具有更好的精度和准确性。