原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Elman神经网络射流喷丸表面粗糙度的预测模型.pdf
第25卷第2期 黑龙江科技大学学报 Vol_25No．2
of of Mar．2015
2015年3月 Journal
HeilongjiangUniversityScienceTechnology
Elman神经网络射流喷丸表面粗糙度的预测模型
王瑞红， 徐 洁， 兰 翠， 李万武
(黑龙江科技大学计算机与信息工程学院，哈尔滨150022)
摘要：为提高零构件表面疲劳抗力，求得射流喷丸强化表面质量更精确的预测方法，以2A11
铝合金为实验材料，获得工艺参数对喷丸表面粗糙度的影响数据。以实验数据为样本分别采用
仿真实验，对比两种模型预测结果。结果表明：Elman神经网络预测模型更稳定，计算精度更高，训
练时间更短，具有更大的实用价值。
关键词：表面粗糙度；神经网络；智能预测；喷丸
doi：10．3969／j．issn．2095-7262．2015．02．023
中图分类号：TP60l
文章编号：2095—7262(2015)02—0224—05文献标志码：A
Predictionmodeltailoredforsurface of
roughness
basedonElmanneuralnetwork
jetpeening
WANG Wanwu
Jie，LANCui，LI
Ruihong，XU
of of
(School 150022，China)
ComputerInformationEngineering，HeilongjiangUniversityScienceTechnology，Harbin
isaneffortto the resistanceofthe surfaceandde—
Abstract：This
paper improvefatigue components
amoreaccurate methoddirectedat watershot surface
velop prediction premixedjet peening quality．This
effortconsistsof 2A11 aluminumasthe materialto the datare-
using alloy experimentalget experimental
latedtotheinfluenceof onthesurface ofshot surface
processparameters roughnesspeening；developing
onthe dataandtheLMfeedforwardneuralnetworkand
roughnesspredictionmodel，basedexperimental
theElmanfeedbaekneural t
文档评论（0）