基于BP和RBF神经网络的表面质量预测研究
【摘要】 目的研究RBF和BP神经网络在铣削加工中的作用，实现对铣削加工质量的预测，改善铣削性能。方法对环形铣刀与常用的球形铣刀进行对比，然后基于MATLAB平台，建立以铣削速度、进给量和铣削深度为输入参数，表面粗糙度为输出参数的RBF神经网络模型。通过大量的试验数据对RBF神经网络模型进行训练，然后再用训练好的RBF神经网络模型预测表面粗糙度，将预测值与实测值进行比较，验证RBF神经网络的预测性能。将训练好的BP神经网络模型与RBF神经网络所建模型的预测结果进行比较。结果发现用RBF方法预测的表面粗糙度相对误差的绝对值不超过6%，最大误差为0.056098，平均误差为0.022277，而BP方法的最大误差为0.074947，平均误差为0.036578。结论环形铣刀加工质量更好。RBF神经网络的预测精度较高，具有比BP神经网络更优的预测能力，且拥有建模时间短、收敛速度高、训练过程稳定以及学习速度快等优点，能有效进行铣削质量预测。
