基于改进BP算法的模具零件表面抛光质量预测研究

针对模具零件表面自动化抛光的工艺参数现场调试困难、抛光后模具零件表面质量不一致等问题，提出了基于改进BP算法的模具零件表面抛光质量预测模型。通过采集模具零件表面抛光试验样本参数，构建预测模型输入参数集，将混沌理论、动态权重、动态学习因子和高斯变异策略引入粒子群优化算法（PSO），利用改进后的粒子群优化算法（IPSO）对BP算法中权值和阈值的更新策略进行优化，并构建了基于IPSO-BP算法的模具零件表面抛光质量预测模型，结合快速非支配排序遗传算法（NSGA-II）建立多目标优化模型，实现对模具零件表面抛光质量的高精度预测以及抛光工艺参数的优化，对比5种常规预测模型，结果表明基于IPSO-BP算法的预测模型具有较高的预测精度。