摘要
建立超精密切削表面粗糙度预测模型是分析各切削参数对表面粗糙度影响和提高切削效率的关键,针对最小二乘法和传统反向传播神经网络等参数辨识方法的不足,提出将遗传算法优化的反向传播神经网络应用于超精密切削表面粗糙度预测模型的参数辨识中,得出采用金刚石刀具超精密切削铝合金的表面粗糙度预测模型,并与传统的参数辨识方法比较。实验结果表明该方法能更有效的辨识表面粗糙度预测模型,可为超精密车削加工表面质量的控制提供帮助。
出处
《制造业自动化》
北大核心
2011年第24期10-12,共3页
Manufacturing Automation
基金
高校科研成果产业化推进工程项目:基于知识的组合机床智能化设计系统研究与开发(JH10-46)