欢迎来到天天文库
浏览记录
ID:52207388
大小:936.84 KB
页数:5页
时间:2020-03-24
《基于RBF神经网络的磨削表面粗糙度预测模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、2014年2月机床与液压Feb.2014第42卷第3期MACHINET00L&HYDRAULICSVo1.42No.3DOI:10.3969/j.issn.1001—3881.2014.03.030基于RBF神经网络的磨削表面粗糙度预测模型王海涛,刘伟强,杨建国(1.上海电气机床成套工程有限公司,上海200041;2.东华大学机械工程学院,上海201620)摘要:工件表面粗糙度是反映表面完整性指标中极为重要的一个参数,也是衡量磨削加工质量的重要因素之一,准确地预测磨削表面粗糙度对于快速合理地选择磨削加工工艺参数具有重要意义。通过开展实际
2、磨削实验获得磨削加工数据,对获取的样本数据进行归一化处理以适应RBF神经网络的学习。同时采用循环算法比较得出隐层的最优神经元个数,最终建立了基于径向基函数神经网络的磨削表面粗糙度预测模型,并利用MATLAB进行仿真预测。仿真结果表明:该预测模型准确率很高,能为表面粗糙度预测研究提供可靠数据。关键词:表面粗糙度;磨削加工;RBF算法;神经网络;预测中图分类号:TH162文献标识码:A文章编号:1001—3881(2014)3—107—5GrindingSurfaceRoughnessPredictionModelBasedonRBFNeu
3、ralNetwork,WANGHaitao,LIUWeiqiang,YANGJianguo(1.ShanghaiElectricMachineToolCompleteEngineeringCo.,Ltd.,Shanghai200041,China;2.CollegeofMechanicalEngineering,DonghuaUniversity,Shanghai201620,China)Abstract:Surfaceroughnessofworkpieceisacrucialparameteramongintegrityindexe
4、s,anditisalsooneoftheimportantfac—torstomeasurethegrindingquality.Predictingthegrindingsurfaceroughnessaccuratelyhasgreatsignificanceforselectionofthegrindingprocessparametersinamorerapidandreasonableway.Thegrindingprocessingdatawereacquiredthroughactualgrindingexperimen
5、t.InordertoadapttotheRBFneuralnetworklearning,thedatawerenormalized.Atthesametime,cyclicalgorithmwasusedforchoosingoptimalnumberofneuronsinthehiddenlayers.Eventually,thegrindingsnrfaceroughnesspredictionmodelwases-tablishedbasedonRBFneuralnetwork.TheMATLABsimulationresul
6、tsshowthatthepredictionmodelhashighaccuracy,andcanprovidereliabledataforsurfaceroughnesspredictionresearch.Keywords:Surfaceroughness;Grinding;RBFalgorithm;Neuralnetwork;Prediction随着科学技术水平的不断提高,人们对机械产品应用研究越来越多,但是其侧重点不一样。河海大学的性能、寿命和可靠性的要求也不断提高,对机器及的林岗等人使用模糊自适应BP算法建立了影响表仪器零
7、件的加工精度要求愈来愈高,各种高硬度材料面粗糙度参数与工件表面粗糙度之问的关系模型,依的使用也13益增加。此外由于精密铸造与精密锻造工据给定的数据样本对模型进行训练,将训练好的网络艺的进步,许多零件可以不经过车削、铣削直接由毛进行实际的表面粗糙度预测。湖南大学的李波等人坯磨制成成品,从而使得磨削加工获得了越来越广泛建立了基于BP神经网络的表面粗糙度声发射预测模的应用和迅速发展。在磨削加工中,表面完整性可型,以声发射信号有效值、FFT峰值和标准差作为网以用来衡量磨削加工表面质量的好坏,目前对于零件络输入,对高效深磨陶瓷工件表面粗糙度进行预
8、测。表面完整性的要求也越来越高,它主要包含表面纹理吉林大学的李晓梅等对影响磨削表面粗糙度的12指标与表面层物理力学性能指标两类。而工件表面个因素进行了讨论,并选择其中7个主要因素建立了粗糙度是表面完整性指标
此文档下载收益归作者所有