基于粒子群算法的神经网络优化及其在镗孔加工中的应用  

ANN Trained by Particle Swarm Optimization and Its Applications in Boring Processes

作　　者：周家林[1] 段正澄[1] 邓建春[1] 李勇[1] 邵新宇[1] 

机构地区：[1]华中科技大学机械科学与工程学院,武汉430074

出　　处：《中国机械工程》2004年第21期1927-1929,共3页China Mechanical Engineering

基　　金：国家 8 63高技术研究发展计划资助项目( 2 0 0 1AA42 3 2 5 0 )

摘　　要：采用粒子群算法对镗孔加工尺寸误差人工神经网络预测模型进行优化。实验表明 ,与误差反传算法 (BP)相比较 ,粒子群算法优化神经网络收敛速度更快 。This paper presented particle swarm optimization (PSO) technique to train multi-layer artificial neural network for predicting model of diameter errors of boring processes. Compared to the back propagation (BP), the neural network trained by particle swarm optimization achieves more accurate predictions and needs less amount of iterations.

关 键 词：粒子群算法 人工神经网络 预测 镗孔 

分 类 号：TP391[自动化与计算机技术—计算机应用技术] TH16[自动化与计算机技术—计算机科学与技术]