基于改进麻雀搜索算法优化BPNN的电阻点焊质量预测

摘要

电阻点焊技术由于具有高效、自动化程度高等焊接特点，被广泛应用于汽车、航空航天和公共交通等制造领域，由于焊点在封闭状态下进行，焊接过程存在诸多影响因素且无法直接检测，因此，准确预测电阻点焊质量是生产过程中必不可少的环节．本文以2219/5A06铝合金为研究对象，在3种不同的装配条件(包括间隙和间距)下进行电阻点焊工艺信号的分析，并进行人工智能建模．为了提高电阻点焊质量评价的性能和效率，本文采用LogisticTent(LT)复合映射改进麻雀搜索算法(SSA)对反向传播神经网络(LT-SSA-BPNN)模型进行优化，模型的输入和输出分别为多信号融合后的变量和熔核直径．实验结果表明，与传统的标准反向传播神经网络(BPNN)模型相比，经过LT-SSA-BP模型优化后，预测结果的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别降低了36.17%、17.55%和51.75%．同时，LT-SSA-BP神经网络在添加了不同间隙和间距条件作为训练集后，其预测稳定性明显提高，可以成功预测电阻点焊质量．

关键词

电阻点焊 / 质量预测 / 麻雀搜索算法 / 反向传播神经网络模型