冷滚打花键表面粗糙度神经网络预测模型建立

摘要：

为降低冷滚打花键表面粗糙度,获得冷滚打加工最优参数组合,以滚打轮公转转速和工件进给量两个影响表面粗糙度的主要因素作为变量,设计了冷滚打花键及测量实验方案,采用白光共聚干涉显微镜测量冷滚打花键分度圆处表面粗糙度,依据实验数据通过试凑法建立了冷滚打花键表面粗糙度BP神经网络预测模型,最终确定的神经网络结构为2-6-2-1,对预测值与训练样本值及测试样本值进行了对比分析,结果表明:预测值与训练样本最大误差6.5%,与测试样本最大误差7.9%,预测值与训练样本之间的相关系数为0.996,与测试样本之间的相关系数为0.973,进一步说明了神经网络预测模型的有效性和精确性.

关键词：冷滚打、花键、表面粗糙度、神经网络模型

所属期刊栏目：45

分类号：TH16

资助基金：国家自然科学基金资助项目51475146

在线出版日期：2017-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：99-104