基于BP和RBF神经网络预测硬质阳极氧化膜的硬度

摘要

通过两种不同方式分别构建NEWRB函数RBF神经网络和K-均值聚类RBF神经网络,同时构建BP神经网络.采用正交实验数据对不同神经网络进行训练,然后用训练完成的不同神经网络预测硬质阳极氧化膜的硬度,并将预测结果与实测值进行对比.结果表明:与BP神经网络相比,NEWRB函数RBF神经网络和K-均值聚类RBF神经网络的平均相对误差和最大相对误差均较低.通过两种不同方式构建的RBF神经网络都具有较高的预测精度,并且K-均值聚类RBF神经网络具有更高的预测精度,更适用于预测硬质阳极氧化膜的硬度.