基于改进粒子群神经网络的粗糙度建模方法

• 作者: 刘红军 杨树新
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 粗糙度 改进粒子群算法 神经网络 预测模型
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 控制与检测
• 页码范围: 62-64
• 页数: 3页
• 分类号: TH166|TG506
• 字数: 2547字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2018.06.017

摘要

表面粗糙度是衡量零件表面质量的重要指标,也是加工工艺和机床性能对于零件品质影响的综合反映.在分析了多种粗糙度的预测建模方法后,提出了一种基于改进粒子群神经网络的铣削表面粗糙度预测模型.将自适应权重调整机制和高斯全局极值引入到粒子群算法中,形成改进粒子群算法,并使用改进后的算法优化BP神经网络以建立粗糙度预测模型.对模型误差进行比较和分析后,结果表明:使用改进粒子群算法优化后的BP神经网络建立的粗糙度预测模型其收敛性要优于粒子群神经网络,并且证明了所建立粗糙度预测模型具有较高的稳定性和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘红军	沈阳航空航天大学机电工程学院	18	27	3.0	4.0
2	杨树新	沈阳航空航天大学机电工程学院	1	1	1.0	1.0