超声振动磨削放电加工指标预测模型的研究

• 作者: 张云鹏 李铠月 杨光美 闫妍
• 来源期刊: 电加工与模具
• 学科: 工学
• 关键词: 超声振动磨削放电加工 BP神经网络 支持向量机 模型预测
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 设计窑研究
• 页码范围: 36-40
• 页数: 5页
• 分类号: TG663
• 字数: 3808字
• 语种: 中文

摘要

超声振动磨削放电加工过程复杂，难以用精确的理论公式进行描述，通常在试验基础上，借助于机器学习理论做出分析。针对实际加工中试验样本数量有限、预测量数值变化波动大的情况，采用BP神经网络和支持向量机两种方法分别建立超声振动磨削放电加工SiCp/Al指标预测模型，并利用两个模型预测零件表面粗糙度和加工速度等工艺指标。预测结果表明，零件表面粗糙度的数值变化范围较小，两种模型预测值与试验值均具有较好的一致性，预测精度较高；加工速度的数值变化较大，支持向量机模型的预测精度优于BP模型。因此，支持向量机模型更适合于解决小样本及指标变化范围大的预测问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张云鹏	西北工业大学机电学院	49	372	12.0	17.0
2	闫妍	西北工业大学机电学院	10	48	3.0	6.0
3	杨光美	西北工业大学机电学院	6	37	3.0	6.0
4	李铠月	西北工业大学机电学院	6	32	2.0	5.0