切削加工表面粗糙度组合预测模型研究

• 作者: 廖小平 张振坤 马俊燕 鲁娟
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 组合模型 表面粗糙度预测 参数优化 铣削加工
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 精密制造与加工
• 页码范围: 1451-1456
• 页数: 6页
• 分类号: TP391.9|TG54
• 字数: 4071字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20180314

摘要

加工过程产生的粗糙度数据序列会包含多种特征,而单一的预测模型不能同时捕捉多种数据特征,难以提高预测精度.因此,从加工过程中粗糙度数据特征的复杂性出发,提出了一种基于支持向量机(SVM)和BP神经网络算法(BP)的组合预测模型,来同时捕捉数据的线性特征和非线性特征;在组合预测过程中为充分发挥两种预测算法的最佳性能,采用粒子群优化算法(PSO)对支持向量机的参数和BP神经网络中的权值进行优化.通过蠕墨铸铁的铣削实验,实现不同切削用量下的表面粗糙度精准预测,并与PSO-SVM、PSO-BP算法以及切削加工表面粗糙度理论模型进行对比,验证了该组合模型的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖小平	广西大学机械工程学院	96	556	13.0	19.0
2	马俊燕	广西大学机械工程学院	24	66	5.0	7.0
3	鲁娟	北部湾大学机械与船舶海洋工程学院	5	6	1.0	2.0
4	张振坤	广西大学机械工程学院	4	5	1.0	2.0