- 1、本文档共5页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
金属学与金属工艺
2014年 2月 机床与液压 Feb.2014
第42卷 第3期 MACHINET00L HYDRAULICS Vo1.42No.3
DOI:10.3969/j.issn.1001—3881.2014.03.030
基于 RBF神经网络的磨削表面粗糙度预测模型
王海涛 ,刘伟强 ,杨建国
(1.上海电气机床成套工程有限公司,上海200041;2.东华大学机械工程学院,上海201620)
摘要:工件表面粗糙度是反映表面完整性指标中极为重要的一个参数,也是衡量磨削加工质量的重要因素之一,准确
地预测磨削表面粗糙度对于快速合理地选择磨削加工工艺参数具有重要意义。通过开展实际磨削实验获得磨削加工数据,
对获取的样本数据进行归一化处理以适应 RBF神经网络的学习。同时采用循环算法比较得出隐层的最优神经元个数,最终
建立了基于径向基函数神经网络的磨削表面粗糙度预测模型,并利用 MATLAB进行仿真预测。仿真结果表明:该预测模型
准确率很高,能为表面粗糙度预测研究提供可靠数据。
关键词:表面粗糙度;磨削加工;RBF算法;神经网络 ;预测
中图分类号:TH162 文献标识码 :A 文章编号:1001—3881(2014)3—107—5
GrindingSurfaceRoughnessPredictionModelBasedonRBF NeuralNetwork
,
WANG Haitao ,LIUWeiqiang,YANGJianguo
(1.ShanghaiElectricMachineToolCompleteEngineeringCo.,Ltd.,Shanghai200041,China;
2.CollegeofMechanicalEngineering,DonghuaUniversity,Shanghai201620,China)
Abstract:Surfaceroughnessofworkpieceisacrucialparameteramongintegrityindexes,anditisalsooneoftheimportantfac—
torstomeasurethegrindingquality.Predictingthergindingsurfaceroughnessaccuratelyhasrgeatsignificanceforselectionofthe
grindingprocessparametersinamorerapidandreasonableway.Thegrindingprocessingdatawereacquiredthroughactualgrinding
experiment.InordertoadapttotheRBFneuralnetworklearning,thedatawerenormalized.Atthesametime,cyclicalgorithm was
usedofrchoosingoptimalnumberofneuronsinthehiddenlayers.Eventually,thegrindingsnrfaceroughnesspredictionmodelwases-
tablishedbasedonRBFneuralnetwork.TheMATLAB simulationresultsshow thatthepredictionmodelhashighaccuracy,andcan
providereliabledataofrsurfaceroughnesspredictionresearch.
Keywords:Surfaceroughness;Grinding;RBFalgorithm ;Neuralnetwork;Prediction
随着科学技术水平的不断提高,人们对机械产品
您可能关注的文档
- 基于CAN总线的智能车踏控制器.pdf
- 基于CAN总线技术的数据采集模块在CKA6136系列卧式数控车床上的应用研究.pdf
- 基于CATIA的钢轨道岔扭转加工装置的设计.pdf
- 基于CFD的液压滑阀阀芯表面热效应分析.pdf
- 基于CFX的高速电主轴水冷系统的仿真分析.pdf
- 基于CMAC网络的滑模位置控制研究.pdf
- 基于C-NCAP正面碰撞的某电动车乘员侧气囊虚拟设计及仿真.pdf
- 基于COM组件的圆度误差评定软件设计.pdf
- 基于COPRA的P形管辅助设计.pdf
- 基于CREO的大工件深槽中小过渡圆角加工设计与自动编程.pdf
- 护理学相关知识复习测试卷共三套.doc
- 护理学相关知识复习试题含答案(3套).doc
- 2025届高考语文复习:补写句子 课件.pptx
- 气压带和风带对气候的影响(第1课时)(教学设计).docx
- 气压带和风带对气候影响教学设计2024-2025学年高中地理人教版(2019)选择性必修1.docx
- 《故都的秋》课件 2024-2025学年统编版高中语文必修上册.pptx
- 《屈原列传》课件 2024-2025学年统编版高中语文选择性必修中册.pptx
- 《巫溪家乡文化》课件-2024-2025学年高一语文同步备课课件(统编版必修上册).pptx
- 《苏武传》课件 2023-2024学年统编版高中语文选择性必修中册.pptx
- 郑州中控ZKTime8.3 WEB考勤软件培训文档.pptx
文档评论(0)