基于神经网络算法的GH4169铣削温度研究

摘要：

为了研究GH4169 铣削加工中铣削参数对铣削温度的影响规律,设计了铣削参数与铣削温度之间的正交试验.基于正交试验的数据,分别利用径向基函数神经网络、反向传播神经网络和广义回归神经网络算法建立了GH4169 铣削温度的预测模型,并对模型进行了训练、测试与验证.另外,采用极差分析法分析了工艺参数对铣削温度的影响规律.结果发现,基于径向基函数神经网络、广义回归神经网络、反向传播神经网络建立的GH4169 铣削温度预测模型的平均预测误差分别为:3.27%、4.24%、5.05%,平均预测精度分别为:96.73%、95.76%、94.95%.基于径向基函数神经网络建立的模型预测精度最高,其次是广义回归神经网络模型和反向传播神经网络模型.GH4169 铣削温度随着铣削速度、每齿进给量、铣削深度的增加而增加;影响铣削温度最主要的因素是铣削速度,其次是每齿进给量和铣削深度.

关键词：径向基函数神经网络、反向传播神经网络、广义回归神经网络、GH4169、铣削温度

分类号：TG147(金属学与热处理)

资助基金：陕西省自然科学基础研究计划项目2023-JC-YB-469

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：48-53