【摘要】：以面齒輪齒面粗糙度為研究對象,考慮到影響其磨削表面粗糙度R_a的因素很多且不明確,運(yùn)用BP神經(jīng)網(wǎng)絡(luò)原理構(gòu)造預(yù)測粗糙度的數(shù)學(xué)模型,通過對比模型預(yù)測值與試驗(yàn)值驗(yàn)證預(yù)測模型的精度,結(jié)果表明此模型可精確地描述砂輪轉(zhuǎn)速、工件進(jìn)給速度和磨削深度對面齒輪磨削加工表面粗糙度的影響。實(shí)驗(yàn)驗(yàn)證,BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度較高,可獲得最大相對誤差為9.1%的高精度預(yù)測結(jié)果。
[Abstract]:Taking the tooth surface roughness of face gear as the research object, considering that there are many factors affecting the grinding surface roughness R _ A, a mathematical model for predicting roughness is constructed by using the principle of BP neural network. The accuracy of the prediction model is verified by comparing the predicted value with the experimental value. The results show that the model can accurately describe the influence of grinding wheel speed, workpiece feed speed and grinding depth on the grinding surface roughness. Experimental results show that the prediction accuracy of BP neural network model is high and the maximum relative error is 9.1%.
【作者單位】： 湖南工業(yè)大學(xué)機(jī)械工程學(xué)院;
【基金】：湖南省自然科學(xué)基金項(xiàng)目(2015JJ5018) 國家自然科學(xué)基金項(xiàng)目(51375161)
【分類號】：TG61

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張?zhí)┎?齒面粗糙度測量的研究[J];機(jī)械工藝師;1996年11期

2 張?zhí)┎?齒面粗糙度測量的研究[J];航空計(jì)測技術(shù);1996年04期

3 鄧林;李濱琳;包文;;風(fēng)電齒輪齒面粗糙度降低的實(shí)例分析[J];杭州科技;2011年01期

4 周建國;;改善20CrMnTi齒輪齒面粗糙度的方法[J];機(jī)械工程師;1987年04期

5 張?zhí)┎?齒面粗糙度接觸測量法的探討[J];機(jī)械工業(yè)標(biāo)準(zhǔn)化;1995年09期

6 張?zhí)┎?機(jī)床齒輪齒面粗糙度檢測方法的研究[J];制造技術(shù)與機(jī)床;1996年03期

7 肖百長;;改善齒面粗糙度初探[J];機(jī)械制造;1990年06期

8 宋文德;;談?wù)匌X輪的齒面粗糙度[J];上海機(jī)床;1994年01期

9 王恩澤;直廓環(huán)面蝸桿切齒精度和齒面粗糙度的改善[J];機(jī)床;1987年11期

10 楊春發(fā) ,商瑞林;降低調(diào)質(zhì)合金鋼內(nèi)齒面粗糙度的工藝措施[J];通用機(jī)械;2004年12期

相關(guān)會(huì)議論文 前2條

1 余萬華;翁瑋;韓靜濤;張永軍;劉靖;;基于BP神經(jīng)網(wǎng)絡(luò)的板材熱軋軋制壓力和變形抗力預(yù)報(bào)模型[A];第四屆中國金屬學(xué)會(huì)青年學(xué)術(shù)年會(huì)論文集[C];2008年

2 陳剛;張勇;王瑞;楊思乾;;基于BP算法的逆變點(diǎn)焊電源模糊神經(jīng)網(wǎng)絡(luò)控制研究[A];陜西省焊接學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 高欽;碟形砂輪磨削面齒輪的齒面粗糙度研究[D];湖南工業(yè)大學(xué);2016年

2 王雷;基于BP神經(jīng)網(wǎng)絡(luò)的鈦合金加工切削力預(yù)測模型研究[D];天津理工大學(xué);2016年

3 談芬芳;基于BP神經(jīng)網(wǎng)絡(luò)的冷軋軋制壓力預(yù)報(bào)[D];武漢科技大學(xué);2005年

4 龍玉陽;基于BP神經(jīng)網(wǎng)絡(luò)鑄鐵性能的快速預(yù)測[D];武漢工程大學(xué);2012年

5 姜國棟;基于BP神經(jīng)網(wǎng)絡(luò)的振動(dòng)攻絲扭矩模型的研究[D];哈爾濱工程大學(xué);2009年

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

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

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

9 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

10 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

，

本文編號：2401826