基于神经网络的铣削大理石表面粗糙度预测模型

• 作者: 汪建新 苏晓云 辛李霞
• 来源期刊: 表面技术
• 学科: 工学
• 关键词: 粗糙度 大理石 神经网络 粒子群 预测模型
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 表面质量控制及检测
• 页码范围: 274-279
• 页数: 6页
• 分类号: TG580.1
• 字数: 3391字
• 语种: 中文
• DOI: 10.16490/j.cnki.issn.1001-3660.2017.08.044

摘要

目的 利用粒子群优化BP神经网络建立大理石加工表面粗糙度精确预测模型.方法 首先采用不同切削参数进行铣削大理石试验,测量加工表面粗糙度值,同时对粒子群算法进行改进,使惯性权重按指数形式递减,并增加速度扰动系数,利用改进粒子群算法优化BP神经网络,建立铣削大理石表面粗糙度神经网络预测模型.其次使用部分试验数据来训练预测模型,使得到的网络参数让网络可以精确预测表面粗糙度.最后利用其余试验数据验证神经网络预测模型的准确性与可靠性.结果 经过计算得到粒子群优化BP网络算法的预测模型归一化均方差为0.0501,最大相对误差为10.78％,且误差变化较为均匀.经验公式模型归一化均方差为0.1069,最大相对误差为39.64％,误差变化幅度较大.结论 将神经网络模型与经验公式相比较,结果表明,所建网络模型具有较高的预测精度与较强的鲁棒性,对合理选择切削用量以得到理想表面粗糙度有一定参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪建新		101	267	7.0	11.0
2	辛李霞		7	32	2.0	5.0
3	苏晓云		15	27	3.0	4.0