基于神经网络并联机床表面粗糙度预测.pdf

2015年 6月 机床与液压 Jun．2015 第 43卷 第 11期 MACHINETO0L HYDRAULICS Vo1．43No．11 DOI：10．3969／j．issn．1001_。3881．2015．11．013 基于神经网络的并联机床表面粗糙度预测 赵 昌龙 ，于淼 (长春大学机械与车辆工程学院，吉林长春 130022) 摘要：将人工神经网络改进后应用到并联机床粗糙度的预测模型 中，有效预测了机床进给速度、主轴转速、加工角 度、加工作用力以及加工次数等工艺参数变化下对粗糙度的影响。结果表明：当网络的训练步数控制在200到400次时， 整个网络模型的训练样本均方误差是平稳且收敛的，并且训练 中加入的检验样本的预测误差可以控制在 5％以下，满足预 测模型的训练要求，证明经过改进的神经网络预测模型用于实际加工预测过程中是可行的，且精度较高。 关键词：并联机床；神经网络 ；粗糙度；误差 中图分类号：TG502 文献标志码 ：A 文章编号：1001—3881(2015)11-046—3 PredictionofSurfaceRoughnessofParallelM achineToolsBasedon theNeuralNetwork ZHA0 Changlong，YU Miao (CollegeofMechanicalandVehicleEngineering，ChangchunUniversity，ChangchunJilin130022，China) Abstract：Improvedartificialneuralnetworkwasappliedtothepredictionmodelofparallelmachinetoolroughness，whicheffec— tivelypredictedtheinfluenceonroughnessbychangeprocessparameterssuchasmachinetoolfeedrate，spindlespeed，processingan- gle，machiningforceandnumberoftimesofmachining，andetc．Resultsshowthatthestepswhenthetrainingofthenetworkcontrolled from 200to400，thetrainingsamplemeansquareerrorofhteentirenetworkmodelisstableandconvergent，thepredictionerrorof addedinspectiontrainingsamplescanbecontrolledunder5％．whichsatisfiestherequirementofthepredictionmodelintraining．The improvedneuralnetworkpredictionmodelisprovedtobefe嬲ib1ewithhigherprecisionwhenusedotf0recasthteactualmachiningprocess． Keywords：Praallelmachinetool；Neuralnetwork；Roughness；Error 0 前言 加工 。 在制造业迅猛发展的今天，越来越多的含有 自由 1 BP神经网络模型的改进设计 曲面等复杂表面的加工零件出现，人们对复杂曲面零 1．1 人工神经网络 件的加工质量与加工效率的要求也越来越高。传统机 人工神经网络是由大量的神经元所组成的，这些 床已经不能完全满足人们的需要，因此 ，并联机床的 神经元的连接丰富且完善，从而构成一个 自适应的非 出现改变了原有数控机床的