基于BP和RBF神经网络的表面质量预测研究

• 作者: 彭彬彬 杜娟 闫献国
• 来源期刊: 表面技术
• 学科: 工学
• 关键词: 铣削加工 表面粗糙度 RBF神经网络 质量预测 BP神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 表面质量控制及检测
• 页码范围: 324-328,337
• 页数: 6页
• 分类号: TG54|TP183
• 语种: 中文
• DOI: 10.16490/j.cnki.issn.1001-3660.2020.10.038

摘要

目的 研究RBF和BP神经网络在铣削加工中的作用,实现对铣削加工质量的预测,改善铣削性能.方法 对环形铣刀与常用的球形铣刀进行对比,然后基于MATLAB平台,建立以铣削速度、进给量和铣削深度为输入参数,表面粗糙度为输出参数的RBF神经网络模型.通过大量的试验数据对RBF神经网络模型进行训练,然后再用训练好的RBF神经网络模型预测表面粗糙度,将预测值与实测值进行比较,验证RBF神经网络的预测性能.将训练好的BP神经网络模型与RBF神经网络所建模型的预测结果进行比较.结果 发现用RBF方法预测的表面粗糙度相对误差的绝对值不超过6％,最大误差为0.056098,平均误差为0.022277,而BP方法的最大误差为0.074947,平均误差为0.036578.结论 环形铣刀加工质量更好.RBF神经网络的预测精度较高,具有比BP神经网络更优的预测能力,且拥有建模时间短、收敛速度高、训练过程稳定以及学习速度快等优点,能有效进行铣削质量预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫献国		109	415	9.0	17.0
2	杜娟		57	226	10.0	12.0
3	彭彬彬		2	0	0.0	0.0