文献类型：期刊文章

作　　者：彭彬彬[1] 闫献国[1] 杜娟[1]

PENG Bin-bin;YAN Xian-guo;DU Juan(School of Mechanical Engineering,Taiyuan University of Science and Technology,Taiyuan 030051,China)

机构地区：[1]太原科技大学机械工程学院,太原030051

出　　处：《表面技术》

基　　金：国家自然科学基金项目(51475317)。

年　　份：2020

卷　　号：49

期　　号：10

起止页码：324-328

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的研究RBF和BP神经网络在铣削加工中的作用,实现对铣削加工质量的预测,改善铣削性能。方法对环形铣刀与常用的球形铣刀进行对比,然后基于MATLAB平台,建立以铣削速度、进给量和铣削深度为输入参数,表面粗糙度为输出参数的RBF神经网络模型。通过大量的试验数据对RBF神经网络模型进行训练,然后再用训练好的RBF神经网络模型预测表面粗糙度,将预测值与实测值进行比较,验证RBF神经网络的预测性能。将训练好的BP神经网络模型与RBF神经网络所建模型的预测结果进行比较。结果发现用RBF方法预测的表面粗糙度相对误差的绝对值不超过6%,最大误差为0.056098,平均误差为0.022277,而BP方法的最大误差为0.074947,平均误差为0.036578。结论环形铣刀加工质量更好。RBF神经网络的预测精度较高,具有比BP神经网络更优的预测能力,且拥有建模时间短、收敛速度高、训练过程稳定以及学习速度快等优点,能有效进行铣削质量预测。

关 键 词：铣削加工 表面粗糙度 RBF神经网络 质量预测  BP神经网络

分 类 号：TG54] TP183]