BP-AM与RBF网络在LENS成形高度预测中的应用.pdfVIP

凑十1蕃l蠢套电燎 知工鸯苯餐钛专栏 2009年12月第6期 BP-AM与RBF网络在LENS成形高度预测中的应用 鲁中良 李涤尘 卢秉恒 张安峰 (西安交通大学机械制造系统工程国家重点实验室，西安 710049) 摘要：金属零件的激光近净成形 (LaserEngineeredNetShaping，LENS)是一种新的 先进制造技术，但是其成形高度的控制一直是个难题。根据 LENS工艺参数与单道成形 高度之间复杂的非线性本质关系，采用了自学习率与动量因子改进的BackPropagation(BP) 与径向基函数 (RadialBasisFunction，RBF)神经网络对其成形高度进行预测，详细对比 分析了两种网络的i)lI练速度、收敛速度与泛化能力等性能。结果表明：BP网络的训练时 间较长、收敛速度较慢与泛化能力较差，而RBF网络相应性能较好，其预测结果与