基于神经网络的并联机床表面粗糙度预测
来源：机床与液压杂志2015年第11期北京时间：
作者：赵昌龙
单位：长春大学机械与车辆工程学院；长春大学机械与车辆工程学院
摘要：将人工神经网络改进后应用到并联机床粗糙度的预测模型中，有效预测了机床进给速度、主轴转速、加工角度、加工作用力以及加工次数等工艺参数变化下对粗糙度的影响。结果表明：当网络的训练步数控制在200到400次时，整个网络模型的训练样本均方误差是平稳且收敛的，并且训练中加入的检验样本的预测误差可以控制在5%以下，满足预测模型的训练要求，证明经过改进的神经网络预测模型用于实际加工预测过程中是可行的，且精度较高。
关键词：并联机床;神经网络;粗糙度;误差
基金资助：吉林省科技厅科研项目（201204101011）
