共查询到14条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
基于BP神经网络的表面粗糙度声发射预测 总被引:1,自引:0,他引:1
介绍了BP神经网络的原理、算法和公式,在对Matlab及其神经网络工具箱介绍的基础上,采用声发射信号有效值、FFT峰值和标准差作为输入,工件表而粗糙度作为输出,用BP神经网络的方法对高效深磨加工工程陶瓷Al2O3的工件表面粗糙度进行了训练、预测和分析.创新的研究方法是直接从磨削声发射信号中提取磨削表面粗糙度信息.结果表明,该方法可以实现高效深磨加工工程陶瓷工件表面粗糙度的监测. 相似文献
5.
当前表面粗糙度预测的单一建模方法都存在一定的局限性,物理建模方法无法表征实际加工动态过程,机器学习模型需要大量训练数据且解释性较差。提出了一种物理模型与神经网络深度耦合的融合模型,通过训练卷积自编码器作为特征提取器构建数据集,然后训练融合模型,实现对表面粗糙度的精确预测,通过高温合金侧铣实验建立的数据集进行了验证,上述模型在训练集上预测相对误差为4.48%,测试集上的平均预测相对误差为5.67%。以10%为允差范围,则预测的准确率为84.29%,有较高的精准度。 相似文献
6.
7.
8.
9.
依据正交切削试验,利用回归分析方法,通过MATLAB软件建立切削参数与粗糙度之间的回归预测模型,并对回归模型和回归系数显著性进行了检验,可知该表面粗糙度预测模型是显著的,切削参数中切削速度对粗糙度的影响最显著。模型所反映的粗糙度变化趋势与切削试验结果基本一致:当切削速度和切削深度增加时,工件表面粗糙度呈逐渐上升趋势;当进给量增大时,工件表面粗糙度有所下降。 相似文献
10.
11.
12.
基于进化神经网络外圆纵向磨削表面粗糙度的在线预测 总被引:14,自引:2,他引:14
将人工神经网络引入磨削加工领域。针对BP算法存在收敛速度慢,容易陷入局部极小值以及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,设计了基于进化神经网络的学习算法,建立了外圆纵向磨削表面粗糙度的进化神经网络预测模型。实验和仿真结果表明。基于进化计算的BP神经网络可以克服单纯使用BP神经网络易陷入局部极小值等问题,预测精度较高,对提高外圆纵向磨削加工的自动化程度具有重要的意义。通过在线监测磨削拳数。所提供的预测方法可以实现对工件表面粗糙度的在线预测。 相似文献
13.
提出了一种基于模糊神经网络的数据挖掘算法,将模糊理论与神经网络技术结合,避免了单纯的神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。经过模糊神经网络的建立和训练可达到精度要求。将试验值、单纯神经网络及支持向量机的预测结果进行比较,可以得出如下结论:当模糊神经网络的隶属度函数中的参数及神经网络连接权值的初始值合理时,其学习算法的精度高,收敛性好。 相似文献