主权项 |
一种高速切削加工中工件表面粗糙度的预测方法,其特征在于:包括以下步骤,步骤一、确定高速切削加工中所需测量的影响加工工件表面粗糙度的切削参数,作为RBF的输入和输出;并测量收集相应样本数据作为网络的学习样本和训练样本;步骤二、建立RBF神经网络模型,利用相应的样本数据对模型进行学习训练;步骤三、根据松弛误差公式,利用测试组对步骤二训练后的模型进行测试,选择出符合精度要求的模型,从而提高模型的预测精度,并减小预测误差的波动,以提高模型的拟合预测能力;利用精度满足要求的模型对高速切削加工中工件表面粗糙度进行预测;步骤三中,松弛误差是作为衡量RBF神经网络精度的指标,松弛误差H为误差平均幅值和误差均方差的组合值,即H=αE+βV,α+β=1,0≤α,β≤1,α,β为松弛系数;误差平均幅值的计算公式为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>E</mi><mo>=</mo><mfrac><mn>1</mn><mi>mn</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mo>|</mo><msub><mi>x</mi><mi>ij</mi></msub><mo>-</mo><mi>X</mi><mo>|</mo><mo>,</mo></mrow>]]></math><img file="FDA0000565060780000011.GIF" wi="475" he="146" /></maths>误差均方差的计算公式为:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>V</mi><mo>=</mo><mfrac><mn>1</mn><mi>mn</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>ij</mi></msub><mo>-</mo><mi>X</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>;</mo></mrow>]]></math><img file="FDA0000565060780000012.GIF" wi="511" he="159" /></maths>误差平均幅值的计算公式以及误差均方差的计算公式中,m为测试样本的样本容量,n为测试样本维数,x<sub>ij</sub>为神经网络的拟合值,X为相应的真实值。 |