一种基于改进蜣螂优化算法优化BP神经网络的喷墨印刷液滴物理质量预测方法

本发明涉及印刷质量控制技术领域，具体涉及一种基于改进蜣螂优化算法优化BP神经网络的喷墨印刷液滴物理质量预测方法，本发明通过引入动态反向学习策略和黄金正弦因子的改进蜣螂优化算法(IDBO)，针对喷墨印刷液滴物理质量受油墨进口速度、喷嘴出口直径、黏度、表面张力等多参数强非线性耦合的特性，IDBO算法能够持续跳出局部极小值点，不断逼近全局最优解，使得BP神经网络参数分布更加合理，最终显著提升模型对印刷液滴复杂物理过程的高精度拟合和预测能力，同时大幅加快模型收敛速度并提升训练过程的稳定性；与传统优化方法相比，显著提升了对BP神经网络权重和阈值的全局寻优能力。