發(fā)布時間：2018-05-06 19:14

  本文選題：BP神經(jīng)網(wǎng)絡 + 預測模型　； 參考：《工具技術》2017年11期

【摘要】：基于粒子群算法和BP算法相結(jié)合,借助粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡的初始權(quán)值和閾值構(gòu)建了PSO-BP神經(jīng)網(wǎng)絡磨削表面粗糙度預測模型。以砂輪粒度、砂輪轉(zhuǎn)速、工件速度和徑向進給量為正交實驗四因素,設計了L_(75)(3~1×5~3)混合水平表,并獲取75組實驗數(shù)據(jù)作為該預測模型的訓練和測試樣本。實驗結(jié)果表明:與BP神經(jīng)網(wǎng)絡預測模型相比,PSO-BP神經(jīng)網(wǎng)絡預測模型的預測精度更高,其預測值與實測值的平均誤差由0.48%降至0.29%。
[Abstract]:Based on the combination of particle swarm optimization (PSO) and BP algorithm, the prediction model of grinding surface roughness based on PSO-BP neural network is constructed by optimizing the initial weight and threshold of BP neural network. Based on the orthogonal experiment of grinding wheel particle size, wheel rotational speed, workpiece speed and radial feed, a mixed level table of L _ S _ (75) C ~ (3 脳 5 ~ (3) was designed, and 75 sets of experimental data were obtained as training and test samples for the prediction model. The experimental results show that the prediction accuracy of PSO-BP neural network is higher than that of BP neural network, and the average error between the predicted value and the measured value is reduced from 0.48% to 0.29%.
【作者單位】： 江蘇大學;
【分類號】：TG580.6

【相似文獻】

相關期刊論文 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

2 鄔再新;王凱;王連波;呂洪波;;基于神經(jīng)網(wǎng)絡的自由曲線插補研究[J];制造技術與機床;2007年09期

3 顧玉鋼;夏智海;莊力健;;基于改進神經(jīng)網(wǎng)絡的疲勞裂紋擴展速率預測[J];合肥工業(yè)大學學報(自然科學版);2008年06期

4 王秀梅,呂程,王國棟,劉相華;軋制力預報中的神經(jīng)網(wǎng)絡和數(shù)學模型[J];東北大學學報;1999年03期

5 于洪海,張新平,胡云峰;偏最小二乘-神經(jīng)網(wǎng)絡光度法同時測定鋼中鎢和鉬[J];冶金分析;2004年02期

6 梁偉;王杰;王玫;;神經(jīng)網(wǎng)絡在冷剪機曲軸優(yōu)化中的應用[J];機械設計與制造;2010年08期

7 賴興余,李春雄,嚴霖元,劉明智;基于神經(jīng)網(wǎng)絡的自適應模糊控制器[J];江西農(nóng)業(yè)大學學報;1998年01期

8 劉立君;蘭虎;鄭紅艷;;基于神經(jīng)網(wǎng)絡熔透電弧聲特征參數(shù)評價與選擇[J];焊接學報;2010年03期

9 李旭東;劉治國;穆志韜;;基于神經(jīng)網(wǎng)絡的金屬材料疲勞裂紋擴展規(guī)律的預測[J];新技術新工藝;2013年11期

10 李文鑫;王武;張元敏;;遺傳優(yōu)化神經(jīng)網(wǎng)絡在孔系加工中應用研究[J];機械設計與制造;2009年04期

相關會議論文 前10條

1 高進強;劉新峰;武傳松;;TIG焊接熔透信息的提取[A];第十次全國焊接會議論文集（第2冊）[C];2001年

2 付培眾;尹怡欣;;基于PSO-RBF的神經(jīng)網(wǎng)絡及其應用研究[A];2007'儀表，自動化及先進集成技術大會論文集（一）[C];2007年

3 孫雷;王建國;王明輝;;模塊化神經(jīng)網(wǎng)絡在CSP連軋過程逆質(zhì)量模型建立中的應用[A];第十一屆全國自動化應用技術學術交流會論文集[C];2006年

4 莫春立;李殿中;馮峰;李強;詹志東;;耦合物理冶金和神經(jīng)網(wǎng)絡方法預測鋼材的性能[A];2002年材料科學與工程新進展（下）——2002年中國材料研討會論文集[C];2002年

5 張海波;劉恩東;;基于RBF神經(jīng)網(wǎng)絡PID控制[A];2007中國鋼鐵年會論文集[C];2007年

6 饒德林;齊志揚;陳立功;;鋁合金點焊質(zhì)量的神經(jīng)網(wǎng)絡估測[A];第十次全國焊接會議論文集（第2冊）[C];2001年

7 劉明貴;岳向紅;楊永波;李祺;;基于Sym小波和BP神經(jīng)網(wǎng)絡的基樁缺陷智能化識別[A];2007'湖北·武漢NDT學術年會論文集[C];2007年

8 修世超;李長河;蔡光起;;磨削加工表面粗糙度理論模型修正方法研究[A];全國生產(chǎn)工程第九屆年會暨第四屆青年科技工作者學術會議論文集（二）[C];2004年

9 楊景明;張洪豐;王娜偉;車海軍;;基于神經(jīng)網(wǎng)絡的可逆冷帶軋機偏心的檢測與補償[A];冶金自動化信息網(wǎng)年會論文集[C];2004年

10 楊景明;張洪豐;王娜偉;車海軍;;基于神經(jīng)網(wǎng)絡的可逆冷帶軋機偏心的檢測與補償[A];全國冶金自動化信息網(wǎng)年會論文集[C];2004年

相關博士學位論文 前1條

1 付中濤;基于切削力預測模型的復雜曲面銑削進給速度優(yōu)化研究[D];華中科技大學;2015年

相關碩士學位論文 前10條

1 胡丙坤;基于神經(jīng)網(wǎng)絡的金屬板材折彎回彈預測與研究[D];上海應用技術學院;2015年

2 趙燕燕;優(yōu)化FPN及其在板形識別中的應用[D];濟南大學;2015年

3 王余敬;基于分離譜的激光超聲表面裂紋識別技術研究[D];中北大學;2016年

4 付澤;典型汽車用板變形滯后回彈的試驗研究及有限元分析[D];北京理工大學;2016年

5 熊偉;基于改進BP神經(jīng)網(wǎng)絡的車床主軸優(yōu)化設計的研究[D];江蘇大學;2016年

6 呂慧超;中厚板軋機液壓AGC系統(tǒng)的控制研究[D];遼寧科技大學;2016年

7 楊軼寧;基于BP神經(jīng)網(wǎng)絡的點焊接頭疲勞壽命預測研究[D];昆明理工大學;2016年

8 閔喜瑞;基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡滑模變結(jié)構(gòu)厚度控制[D];華北理工大學;2016年

9 李冬梅;主動學習算法在板厚控制系統(tǒng)中的應用研究[D];華北理工大學;2016年

10 張雷;基于振動分析的機床狀態(tài)識別與人機效能評估方法研究[D];東北大學;2013年

，

本文編號：1853534