基于BP神经网络的面齿轮齿面粗糙度研究
[Abstract]:Taking the tooth surface roughness of face gear as the research object, considering that there are many factors affecting the grinding surface roughness R _ A, a mathematical model for predicting roughness is constructed by using the principle of BP neural network. The accuracy of the prediction model is verified by comparing the predicted value with the experimental value. The results show that the model can accurately describe the influence of grinding wheel speed, workpiece feed speed and grinding depth on the grinding surface roughness. Experimental results show that the prediction accuracy of BP neural network model is high and the maximum relative error is 9.1%.
【作者单位】: 湖南工业大学机械工程学院;
【基金】:湖南省自然科学基金项目(2015JJ5018) 国家自然科学基金项目(51375161)
【分类号】:TG61
【相似文献】
相关期刊论文 前10条
1 张泰昌;齿面粗糙度测量的研究[J];机械工艺师;1996年11期
2 张泰昌;齿面粗糙度测量的研究[J];航空计测技术;1996年04期
3 邓林;李滨琳;包文;;风电齿轮齿面粗糙度降低的实例分析[J];杭州科技;2011年01期
4 周建国;;改善20CrMnTi齿轮齿面粗糙度的方法[J];机械工程师;1987年04期
5 张泰昌;齿面粗糙度接触测量法的探讨[J];机械工业标准化;1995年09期
6 张泰昌;机床齿轮齿面粗糙度检测方法的研究[J];制造技术与机床;1996年03期
7 肖百长;;改善齿面粗糙度初探[J];机械制造;1990年06期
8 宋文德;;谈谈齿轮的齿面粗糙度[J];上海机床;1994年01期
9 王恩泽;直廓环面蜗杆切齿精度和齿面粗糙度的改善[J];机床;1987年11期
10 杨春发 ,商瑞林;降低调质合金钢内齿面粗糙度的工艺措施[J];通用机械;2004年12期
相关会议论文 前2条
1 余万华;翁玮;韩静涛;张永军;刘靖;;基于BP神经网络的板材热轧轧制压力和变形抗力预报模型[A];第四届中国金属学会青年学术年会论文集[C];2008年
2 陈刚;张勇;王瑞;杨思乾;;基于BP算法的逆变点焊电源模糊神经网络控制研究[A];陕西省焊接学术会议论文集[C];2006年
相关硕士学位论文 前10条
1 高钦;碟形砂轮磨削面齿轮的齿面粗糙度研究[D];湖南工业大学;2016年
2 王雷;基于BP神经网络的钛合金加工切削力预测模型研究[D];天津理工大学;2016年
3 谈芬芳;基于BP神经网络的冷轧轧制压力预报[D];武汉科技大学;2005年
4 龙玉阳;基于BP神经网络铸铁性能的快速预测[D];武汉工程大学;2012年
5 姜国栋;基于BP神经网络的振动攻丝扭矩模型的研究[D];哈尔滨工程大学;2009年
6 胡丙坤;基于神经网络的金属板材折弯回弹预测与研究[D];上海应用技术学院;2015年
7 赵燕燕;优化FPN及其在板形识别中的应用[D];济南大学;2015年
8 王余敬;基于分离谱的激光超声表面裂纹识别技术研究[D];中北大学;2016年
9 付泽;典型汽车用板变形滞后回弹的试验研究及有限元分析[D];北京理工大学;2016年
10 熊伟;基于改进BP神经网络的车床主轴优化设计的研究[D];江苏大学;2016年
,本文编号:2401826
本文链接:https://www.wllwen.com/kejilunwen/jiagonggongyi/2401826.html