基于APSO-BP神经网络的齿轮表面粗糙度预测模型研究

• 作者: 邹世铭 方成刚
• 来源期刊: 工具技术
• 关键词: 齿轮 表面粗糙度 预测模型 BBP神经网络 改进粒子群算法
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 试验与研究
• 页码范围: 47-51
• 页数: 5页
• 分类号: TG58|TH161
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7008.2021.06.008

摘要

为了有效地预测磨削加工的齿轮表面粗糙度,建立了以速比、砂轮转速、砂轮冲程速度和磨削深度为输入参数、齿轮表面粗糙度为输出参数的预测模型.该模型将自适应权重调整机制嵌入到粒子群算法中,得到了改进后的粒子群算法并优化BP神经网络的初始权值和阈值,从而形成了改进粒子群神经网络(APSO-BP)齿轮表面粗糙度预测模型.实验结果表明:改进后的粒子群神经网络预测模型能够有效克服BP神经网络易陷入局部最小值的缺陷,并且稳定性和精确性优于BP神经网络和粒子群神经网络(PSO-BP).