煤矿机械
煤礦機械
매광궤계
COAL MINE MACHINERY
2011年
10期
143-145
,共3页
平面磨削%正交试验%磨削用量%BP神经网络%表面粗糙度
平麵磨削%正交試驗%磨削用量%BP神經網絡%錶麵粗糙度
평면마삭%정교시험%마삭용량%BP신경망락%표면조조도
针对平面磨削的特点,采用正交试验方法获取学习样本,用BP神经网络建立砂轮径向切入进给量、轴向进给量和工作台进给速度与表面粗糙度关系模型,并用MATLAB实现对该模型的训练和仿真,由此得出表面粗糙度预测模型.结果显示:该模型具有较高的预测精度,在学习样本的采样区间平均预测误差为3.7％,最大预测误差为7.9％.为平面磨削表面粗糙度预测提供了一种新的可行方法.
針對平麵磨削的特點,採用正交試驗方法穫取學習樣本,用BP神經網絡建立砂輪徑嚮切入進給量、軸嚮進給量和工作檯進給速度與錶麵粗糙度關繫模型,併用MATLAB實現對該模型的訓練和倣真,由此得齣錶麵粗糙度預測模型.結果顯示:該模型具有較高的預測精度,在學習樣本的採樣區間平均預測誤差為3.7％,最大預測誤差為7.9％.為平麵磨削錶麵粗糙度預測提供瞭一種新的可行方法.
침대평면마삭적특점,채용정교시험방법획취학습양본,용BP신경망락건립사륜경향절입진급량、축향진급량화공작태진급속도여표면조조도관계모형,병용MATLAB실현대해모형적훈련화방진,유차득출표면조조도예측모형.결과현시:해모형구유교고적예측정도,재학습양본적채양구간평균예측오차위3.7％,최대예측오차위7.9％.위평면마삭표면조조도예측제공료일충신적가행방법.
