基于SSA-PSO-BP神经网络航空壁板装夹变形预测研究

简介

航空壁板在制孔时由于装夹会发生轻微形变,导致盲制孔精度降低。受加工成本影响,无法通过众多激光传感器来确定装夹后壁板的确切位置。为精准预测航空壁板的变形量,提出一种改进的神经网络预测算法,首先利用粒子群优化算法(PSO)将BP神经网络的初始权值和阈值进行初次优化,再选取收敛速度快、全局寻优能力强的麻雀搜索算法(SSA)对权值和阈值进行二次寻优,从而建立SSA-PSO-BP神经网络航空壁板装夹变形预测模型。利用Abaqus软件获取50组壁板变形数据作为神经网络的训练与预测数据(训练集45个,测试集5个),对神经网络模型进行训练。为了验证所建模型的准确性,利用BP、PSO-BP、SSA-PSO-BP这3种模型对测试集进行预测,并运用MAPE与RMSE对神经网络模型进行评价。结果表明:基于SSA-PSO-BP的神经网络模型预测航空壁板变形误差较小,预测结果准确率更高。