基于SVM建立超声振动磨削放电加工预测模型
针对采用机器学习理论建立超声振动磨削放电加工模型时存在试验样本数量少、预测量数值变化波动大的问题,本文提出利用支持向量机方法建立加工指标预测模型的方法.以超声振动磨削放电加工SiCp/Al为例,利用正交试验获取学习样本数据,采用MATLAB软件建立超声振动磨削放电加工SiCp/Al工艺指标的支持向量机预测模型,并利用该模型预测零件表面粗糙度和加工速度两项工艺指标.结果表明,支持向量机模型得到的工艺指标预测值与试验值具有较好的一致性,最大相对误差不超过12％,预测值精度较高,所建立的超声振动磨削放电加工工艺指标的支持向量机预测模型是可靠且有效的.
超声振动磨削放电加工工艺 预测模型 支持向量机 机器学习理论
杨光美 张云鹏 李铠月 陈国定
西北工业大学 机电学院,西安 710072
国内会议
西安
中文
201-206
2014-03-01（万方平台首次上网日期，不代表论文的发表时间）