超声振动磨削放电加工指标预测模型研究
超声振动磨削放电加工过程复杂,难以用精确的理论公式进行描述,通常在试验基础上,借助于机器学习理论做出分析.针对实际加工中试验样本数量有限、预测量数值变化波动大的情况,本文采用BP神经网络和支持向量机两种方法分别建立超声振动磨削放电加工SiCp/Al指标预测模型,并利用两个模型预测零件表面粗糙度和加工速度两项工艺指标.预测结果表明,零件表面粗糙度的数值变化范围较小,两种模型预测值与试验值均具有较好的一致性,预测精度较高;加工速度的数值变化较大,支持向量机模型的预测精度优于BP模型,因此支持向量机模型更适合于解决小样本以及指标变化范围大的预测问题.
机械零件 超声振动磨削放电技术 工艺指标 预测模型
杨光美 张云鹏 李铠月 闫妍
西北工业大学机电学院,陕西 西安 710072
国内会议
甘肃嘉峪关
中文
246-251
2014-06-26（万方平台首次上网日期，不代表论文的发表时间）