基于贝叶斯神经网络的主轴转速扰动加工粗糙度预测

主轴转速扰动是抑制加工颤振的一种常用方法。为了研究主轴转速扰动加工条件下工件的表面粗糙度变化规律,采用实验设计的方法研究主轴转速扰动对于表面粗糙度的影响,并采用线性回归和神经网络方法对工件表面粗糙度进行拟合,对比了线性回归、BP神经网络和贝叶斯神经网路的拟合情况,探究了机械加工条件下神经网络类型和结构的选择方法。实验结果表明主轴转速扰动可以有效降低加工颤振带来的负面影响,但太大的主轴转速扰动也会降低工件的表面质量。贝叶斯神经网络能有效地预测主轴转速扰动加工条件下工件的表面粗糙度,预测误差在7%以内。