[发明专利]基于PSO-BP神经网络和NSGA-II的激光切割加工建模及参数优化选择方法

权利要求书

1.基于PSO-BP神经网络和NSGA-II的激光切割加工建模及参数优化选择方法，其特征在于包含以下步骤：

获取已有的激光加工数据，确定需要优化的加工参数和加工响应，构建建模样本集；

将构建的建模样本集进行归一化处理，获得归一化样本集；

根据归一化样本集，利用粒子群优化算法(PSO)优化BP神经网络的初始权重、误差，隐含层节点数和激活函数；

利用归一化样本集训练PSO优化后的BP神经网络；

利用NSGA-II多目标优化算法优化加工参数，获取非支配最优解集；

根据加工目标，在非支配最优解集中选择最合适的加工参数组合。

2.如权利要求1所述的基于PSO-BP神经网络和NSGA-II的激光切割加工建模及参数优化选择方法，其特征在于，

所控制参数包括激光切割的加工数据，激光功率x₁，焦点位置x₂，喷嘴直径x₃，辅助气体压力x₄，扫描速度x₅；

加工参数输入矩阵X的构建如下：

X＝[x₁ x₂ x₃ x₄ x₅]^T

所要优化的加工目标：上切口宽度y₁，下切口宽度y₂，切面表面粗糙度y₃和每单位长度材料的加工成本y₄。要求同时考虑两个或多个目标时，得到最优的加工参数组合。

加工目标矩阵的构建如下：

Y＝[y₁ y₂ y₃ y₄]^T

3.如权利要求1所述的基于PSO-BP神经网络和NSGA-II的激光切割加工建模及参数优化选择方法，其特征在于，构建了含有一层隐含层的BP神经网络模型。隐含层最多具有12个节点。

4.如权利要求1所述的基于PSO-BP神经网络和NSGA-II的激光切割加工建模及参数优化选择方法，其特征在于，利用以下方法实现粒子的编码：

利用PSO对所构建的BP神经网络进行优化时，粒子编码

其中H由0和1组成，决定节点是否发挥作用，AF为0-25的自然数，代表特定的激活函数。

AF的编码和对应的激活函数如下：

编码中含有以下四类信息：

1)输入层和隐含层之间的权重W₁，隐含层和输出层之间的权重W₂；

2)隐含层的偏差B₁，输出层的偏差B₂；

3)决定隐含层节点是否发挥作用决策矩阵H

4)隐含层的激活函数A晦₁，输出层的激活函数A晦₂