基于 BP 和 GRNN神经网络的高速铣削 TC4粗糙度预测

摘要：

表面粗糙度是衡量工件加工表面质量的重要指标,考虑到切削参数是能够人为控制并对零件的表面粗糙度有较大影响的因素之一,通过设计正交试验建立高速铣削 TC4表面粗糙度的 BP 神经网络和 GRNN 神经网络模型,并对比两个模型的预测值与试验值的预测精度。结果表明：所建立的 GRNN 神经网络能够更好的预测零件表面粗糙度,预测误差在5％以内,BP 神经网络的预测误差在10％以内且收敛速度较慢,GRNN 神经网络具有更好的预测精度和效率,为进一步开展高速加工预测提供参考。

关键词：BP 神经网络、GRNN、粗糙度、TC4

分类号：TH16;TB523

资助基金：桂林航天工业学院科研基金《在线监测高速铣削钛合金刀具研究》YJ1307

在线出版日期：2016-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：502-505