BP-AM与RBF网络在LENS成形高度预测中的应用

摘要：

金属零件的激光近净成形(Laser Engineered Net Shaping,LENS)是一种新的先进制造技术,但是其成形高度的控制一直是个难题.根据LENS工艺参数与单道成形高度之间复杂的非线性本质关系,采用了自学习率与动量因子改进的Back Propagation (BP)与径向基函数(Radial Basis Function,RBF)神经网络对其成形高度进行预测,详细对比分析了两种网络的训练速度、收敛速度与泛化能力等性能.结果表明:BP网络的训练时间较长、收敛速度较慢与泛化能力较差,而RBF网络相应性能较好,其预测结果与试验结果基本吻合,因此RBF网络更适合LENS成形高度的预测.

关键词： laser engineered net shaping technology parameter building precision neural network

作者: 鲁中良 李涤尘 张安峰 卢秉恒

作者单位: 西安交通大学机械制造系统工程国家重点实验室,陕西西安710049

会议类型: 国内会议

会议名称: 第13届全国特种加工学术会议

会议地点: 南昌

会议语种:中文

页码: 553-559

在线出版日期: 2009-10-01（万方平台首次上网日期，不代表论文的发表时间）