装甲兵工程学院学报
裝甲兵工程學院學報
장갑병공정학원학보
JOURNAL OF ARMORED FORCE ENGINEERING INSTITUTE
2009年
6期
76-79
,共4页
胡仲翔%滕家绪%钱耀川%王一波
鬍仲翔%滕傢緒%錢耀川%王一波
호중상%등가서%전요천%왕일파
BP神经网络%表面粗糙度%声发射%预测
BP神經網絡%錶麵粗糙度%聲髮射%預測
BP신경망락%표면조조도%성발사%예측
针对磨削表面粗糙度传统BP(Back Propagation)神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进.通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300～400 kHz的声发射(Acoustic Emission,AE)信号作为表面粗糙度预测模型学习样本频段.实验结果显示:改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内.
針對磨削錶麵粗糙度傳統BP(Back Propagation)神經網絡模型在線預測時存在預測精度低、誤差大等問題,以磨削聲髮射信號的RMS值、FFT值、標準差、方差和偏斜度5參量為輸入單元,建立瞭三層BP神經網絡來預測磨削錶麵粗糙度,併應用附加動量法和自適應學習速率法對其進行瞭改進.通過倣真優化瞭隱層單元數,利用模型對磨削加工10箇頻段的聲髮射信號樣本進行優選,確定將300～400 kHz的聲髮射(Acoustic Emission,AE)信號作為錶麵粗糙度預測模型學習樣本頻段.實驗結果顯示:改進後的BP預測模型與傳統BP模型相比,具有收斂速度快、預測精度高的特點,相對誤差可控製在8.66%以內.
침대마삭표면조조도전통BP(Back Propagation)신경망락모형재선예측시존재예측정도저、오차대등문제,이마삭성발사신호적RMS치、FFT치、표준차、방차화편사도5삼량위수입단원,건립료삼층BP신경망락래예측마삭표면조조도,병응용부가동량법화자괄응학습속솔법대기진행료개진.통과방진우화료은층단원수,이용모형대마삭가공10개빈단적성발사신호양본진행우선,학정장300～400 kHz적성발사(Acoustic Emission,AE)신호작위표면조조도예측모형학습양본빈단.실험결과현시:개진후적BP예측모형여전통BP모형상비,구유수렴속도쾌、예측정도고적특점,상대오차가공제재8.66%이내.
