为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型。该模型利用思维进化算法（mind evolutionary algorithm, MEA）的全局搜索能力对BP神经网络的权值和阈值进行优化。为了验证该模型的有效性,对45号钢进行超声挤压加工后,使用BP神经网络进行预测,通过引入思维进化算法（MEA）和遗传算法（GA）优化BP神经网络的权值和阈值,并对3种模型的预测精度进行对比分析。结果表明:在相同的实验条件下,MEA-BP模型的预测结果最精准,与BP神经网络相比,该模型精度高,运行速度快。

0 引 言
1 实验
1.1 实验条件与方案
1.2 实验模型性能评估标准
2 模型构建
2.1 BP神经网络
(1)神经网络初始化。
(2)计算隐含层输出。
(3)计算输出层的输出。
(4)计算误差。
(5)权重和阈值的优化。
2.2 GA-BP神经网络
2.3 思维进化算法
(1)选择数据集。
(2)初始种群产生。
(3)子种群趋同操作。
(4)子种群异化。
(5)分析最优个体。
(6)训练BP神经网络。
3 实验分析
3.1 预测模型
3.2 BP与GA-BP以及MEA-BP模型结果分析
4 结 论