基于遗传算法的BP神经网络熔融沉积成型翘曲变形预测研究

将遗传算法(GA)和BP神经网络结合,建立熔融沉积成型工艺参数(喷头温度、扫描速度、分层厚度和成型室温度)与制件翘曲变形之间关系的数学模型,实现制件翘曲量的预测。利用GA的全局优化搜索能力,对BP神经网络的初始权值阈值进行优化,改善了BP网络容易陷入局部极小值和收敛速度慢的缺点。结果表明,与BP神经网络相比.GA-BP神经网络对熔融沉积成型后产品翘曲量具有更好的非线性拟合能力和预测准确性,具有较高的实用价值。