基于进化神经网络的磨削粗糙度预测模型

摘要：

针对外圆磨削中表面粗糙度的影响因素多、监测困难的问题,构建了表面粗糙度预测模型的开放式实验系统,在分析反向传播神经网络收敛速度慢、易陷入局部最小值等缺点的基础上,提出遗传算法与反向传播神经网络结合的表面粗糙度预测模型,利用遗传算法的全局搜索能力对反向传播神经网络的初始权值和阈值进行优化,详细说明了遗传算法和反向传播网络各参数的确定方法,并对比了相同网络结构下的反向传播预测模型和遗传算法-反向传播模型的预测性能.根据隐层节点计算经验公式,建立了四种基于遗传算法-反向传播网络结构的外圆纵向磨削表面粗糙度预测模型,通过对四种模型样本的预测精度检验,最终确定一种最优的预测模型结构.试验证明,遗传算法和反向传播网络的结合可以提高表面粗糙度预测模型的收敛速度和预测精度,满足智能磨削对表面粗糙度预测高效性、准确性的需求.

关键词：进化神经网络、外圆磨削、粗糙度预测

所属期刊栏目：19

分类号：TG580;TH161(金属切削加工及机床)

资助基金：宁波市自然科学基金资助项目2010A610131;浙江省教育厅科研资助项目Y201224120. Project supported by the Natural Science Foundation of Ningbo City,China2010A610131;the Scientific Research Fund of Zhejiang Provincial Education Department,ChinaY201224120

在线出版日期：2014-01-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2854-2863