科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高冶金行业液压缸加工工时预测精度，提出一种结合基于案例的推理(CBR)和混合Jaya算法优化BP神经网络的液压缸加工工时预测方法(CBR-HJaya-BP)。使用混合Jaya算法优化BP神经网络的初始权值和阈值，采取基于Sin混沌反向学习的种群初始化策略提高初始解的质量，引入阿基米德优化算法中的转移算子，在探索阶段采用均匀交叉产生中间种群，在开发阶段使用Jaya公式产生中间种群，在解的保留策略中引入了模拟退火算法中的Metropolis准则，以跳出局部最优。以某冶金液压缸制造企业的历史加工数据库为样本，采用CBR方法提取与待预测液压缸的特征参数相似度最高的历史数据，使用提出的HJaya-BP模型进行预测实验，并与改进前的Jaya-BP模型以及原始BP神经网络模型进行对比。实验结果表明，HJaya-BP模型的预测准确度和稳定性均为最优。
- 出版日期2023
- 单位武汉理工大学; 机电工程学院; 中国航天科工集团公司
