基于Harris Hawk算法的BP神经网络优化，用于预测电阻点焊质量

《Scientific Reports》：Optimization of BP neural network based on Harris Hawk algorithm to predict resistance spot welding quality

　　

摘要

电阻点焊（RSW）在汽车、航空航天及其他设备制造行业中仍被广泛使用，其质量至关重要。本研究以焊接接头核直径的大小作为点焊质量监测模型的输出参数，同时选取焊接电流、焊接电压、焊接气压和焊接时间为输入参数。本文开发了一种基于神经网络的电阻点焊在线监测模型。所采用的Harris Hawk Herd算法优化的BP神经网络（HHOBP）模型在点焊质量预测方面表现出色，其R²系数值高达0.9981，能够较为准确地预测焊接连接的质量。与PSO-BP、GWO-BP、CS-BP、GA-BP、传统BPNN以及支持向量机模型相比，HHOBP在不同误差指标上的表现分别为：93.06% ~ 96.15%（MAE）、99.43% ~ 99.81%（MSE）、92.18% ~ 95.46%（RMSE）和87.54% ~ 96.83%（MAPE），显示出优异的建模能力。