基于RBF神经网络的磨削表面粗糙度预测模型.pdfVIP

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