基于BP神经网络的接触辉光放电等离子体预测模型

【目的】为探索接触辉光放电过程中的伏安特性和等离子体中·OH的含量变化。【方法】构建一种CrossBP(Back propagation network)神经网络模型和遗传算法(Genetic Algorithm)优化的GA-BP神经网络模型，预测在不同电压、放电时间、电解质初始浓度等条件下的伏安特性和·OH浓度、pH和电导率。【结果】建立的Cross-BP模型(结构2-11-1)和GA-BP(结构3-8-3)模型经精度(调整后的R²≥0.992 1)和试验验证能在一定误差内预测放电过程中伏安特性和·OH的变化，且GA-BP模型预测结果的MSE、MAE值更低。【结论】所构建的GA-BP模型对等离子体中·OH含量变化的预测具有高精确度和高效率。