本文選題：BP神經(jīng)網(wǎng)絡(luò) + 預(yù)測(cè)模型　； 參考：《工具技術(shù)》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(luò)的初始權(quán)值和閾值構(gòu)建了PSO-BP神經(jīng)網(wǎng)絡(luò)磨削表面粗糙度預(yù)測(cè)模型。以砂輪粒度、砂輪轉(zhuǎn)速、工件速度和徑向進(jìn)給量為正交實(shí)驗(yàn)四因素,設(shè)計(jì)了L_(75)(3~1×5~3)混合水平表,并獲取75組實(shí)驗(yàn)數(shù)據(jù)作為該預(yù)測(cè)模型的訓(xùn)練和測(cè)試樣本。實(shí)驗(yàn)結(jié)果表明:與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比,PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的預(yù)測(cè)精度更高,其預(yù)測(cè)值與實(shí)測(cè)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(xué);
【分類號(hào)】：TG580.6

【相似文獻(xiàn)】

相關(guān)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(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)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(luò)的自由曲線插補(bǔ)研究[J];制造技術(shù)與機(jī)床;2007年09期

3 顧玉鋼;夏智海;莊力健;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的疲勞裂紋擴(kuò)展速率預(yù)測(cè)[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

4 王秀梅,呂程,王國(guó)棟,劉相華;軋制力預(yù)報(bào)中的神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型[J];東北大學(xué)學(xué)報(bào);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(luò)光度法同時(shí)測(cè)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(luò)在冷剪機(jī)曲軸優(yōu)化中的應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2010年08期

7 賴興余,李春雄,嚴(yán)霖元,劉明智;基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊控制器[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);1998年01期

8 劉立君;蘭虎;鄭紅艷;;基于神經(jīng)網(wǎng)絡(luò)熔透電弧聲特征參數(shù)評(píng)價(jià)與選擇[J];焊接學(xué)報(bào);2010年03期

9 李旭東;劉治國(guó);穆志韜;;基于神經(jīng)網(wǎng)絡(luò)的金屬材料疲勞裂紋擴(kuò)展規(guī)律的預(yù)測(cè)[J];新技術(shù)新工藝;2013年11期

10 李文鑫;王武;張?jiān)?;遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)在孔系加工中應(yīng)用研究[J];機(jī)械設(shè)計(jì)與制造;2009年04期

相關(guān)會(huì)議論文 前10條

1 高進(jìn)強(qiáng);劉新峰;武傳松;;TIG焊接熔透信息的提取[A];第十次全國(guó)焊接會(huì)議論文集（第2冊(cè)）[C];2001年

2 付培眾;尹怡欣;;基于PSO-RBF的神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

3 孫雷;王建國(guó);王明輝;;模塊化神經(jīng)網(wǎng)絡(luò)在CSP連軋過(guò)程逆質(zhì)量模型建立中的應(yīng)用[A];第十一屆全國(guó)自動(dòng)化應(yīng)用技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2006年

4 莫春立;李殿中;馮峰;李強(qiáng);詹志東;;耦合物理冶金和神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)鋼材的性能[A];2002年材料科學(xué)與工程新進(jìn)展（下）——2002年中國(guó)材料研討會(huì)論文集[C];2002年

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

6 饒德林;齊志揚(yáng);陳立功;;鋁合金點(diǎn)焊質(zhì)量的神經(jīng)網(wǎng)絡(luò)估測(cè)[A];第十次全國(guó)焊接會(huì)議論文集（第2冊(cè)）[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(luò)的基樁缺陷智能化識(shí)別[A];2007'湖北·武漢NDT學(xué)術(shù)年會(huì)論文集[C];2007年

8 修世超;李長(zhǎng)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(guó)生產(chǎn)工程第九屆年會(huì)暨第四屆青年科技工作者學(xué)術(shù)會(huì)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(luò)的可逆冷帶軋機(jī)偏心的檢測(cè)與補(bǔ)償[A];冶金自動(dòng)化信息網(wǎng)年會(huì)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(luò)的可逆冷帶軋機(jī)偏心的檢測(cè)與補(bǔ)償[A];全國(guó)冶金自動(dòng)化信息網(wǎng)年會(huì)論文集[C];2004年

相關(guān)博士學(xué)位論文 前1條

1 付中濤;基于切削力預(yù)測(cè)模型的復(fù)雜曲面銑削進(jìn)給速度優(yōu)化研究[D];華中科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 胡丙坤;基于神經(jīng)網(wǎng)絡(luò)的金屬板材折彎回彈預(yù)測(cè)與研究[D];上海應(yīng)用技術(shù)學(xué)院;2015年

2 趙燕燕;優(yōu)化FPN及其在板形識(shí)別中的應(yīng)用[D];濟(jì)南大學(xué);2015年

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

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

5 熊偉;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的車床主軸優(yōu)化設(shè)計(jì)的研究[D];江蘇大學(xué);2016年

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

7 楊軼寧;基于BP神經(jīng)網(wǎng)絡(luò)的點(diǎn)焊接頭疲勞壽命預(yù)測(cè)研究[D];昆明理工大學(xué);2016年

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

9 李冬梅;主動(dòng)學(xué)習(xí)算法在板厚控制系統(tǒng)中的應(yīng)用研究[D];華北理工大學(xué);2016年

10 張雷;基于振動(dòng)分析的機(jī)床狀態(tài)識(shí)別與人機(jī)效能評(píng)估方法研究[D];東北大學(xué);2013年

，

本文編號(hào)：1853534