煤矿机械
煤礦機械
매광궤계
COAL MINE MACHINERY
2011年
3期
117-119
,共3页
曾谊晖%龚金科%李红梅%杨贤平
曾誼暉%龔金科%李紅梅%楊賢平
증의휘%공금과%리홍매%양현평
数控加工%表面粗糙度%人工神经网络%RBF算法
數控加工%錶麵粗糙度%人工神經網絡%RBF算法
수공가공%표면조조도%인공신경망락%RBF산법
针对数控切削加工表面粗糙度存在预测精度不高的问题,采用径向基(RBF)神经网络技术,以多组实际加工试验数据作为样本,建立了以转速n、进给速度v<,f>,、背吃力量a<,p>为自变量的切削表面粗糙度预测模型.试验及预测结果表明:切削表面粗糙度RBF神经网络预测模型的预测相对误差小于2.7%,而回归分析预测值的相对误差在7.1%～14.0%变动.充分说明数控切削加工表面粗糙度RBF神经网络预测模型的预测精度高,可满足数控切削加工表面粗糙度实时在线预测的要求.
針對數控切削加工錶麵粗糙度存在預測精度不高的問題,採用徑嚮基(RBF)神經網絡技術,以多組實際加工試驗數據作為樣本,建立瞭以轉速n、進給速度v<,f>,、揹喫力量a<,p>為自變量的切削錶麵粗糙度預測模型.試驗及預測結果錶明:切削錶麵粗糙度RBF神經網絡預測模型的預測相對誤差小于2.7%,而迴歸分析預測值的相對誤差在7.1%～14.0%變動.充分說明數控切削加工錶麵粗糙度RBF神經網絡預測模型的預測精度高,可滿足數控切削加工錶麵粗糙度實時在線預測的要求.
침대수공절삭가공표면조조도존재예측정도불고적문제,채용경향기(RBF)신경망락기술,이다조실제가공시험수거작위양본,건립료이전속n、진급속도v<,f>,、배흘역량a<,p>위자변량적절삭표면조조도예측모형.시험급예측결과표명:절삭표면조조도RBF신경망락예측모형적예측상대오차소우2.7%,이회귀분석예측치적상대오차재7.1%～14.0%변동.충분설명수공절삭가공표면조조도RBF신경망락예측모형적예측정도고,가만족수공절삭가공표면조조도실시재선예측적요구.
