基于BP神经网络的表面偏斜度和峰度预测建模

发布时间：2019-07-11 19:54

【摘要】：目的当前实际生产中对表面形貌的表征主要利用表面算术平均偏差Sa,而通过不同加工方式获得的表面有时尽管具有相同的Sa值,而其表面纹理结构、表面轮廓幅度值的对称程度及凸峰尖锐程度往往存在较大的差异,所以此时引入表面偏斜度Ssk和表面峰度Sku来共同表征表面形貌更为精确可信。方法利用正交试验和极差分析的方法研究各磨削参数如何影响表面偏斜度和表面峰度的变化。将BP神经网络引入到对表面偏斜度和表面峰度的预测建模中,利用其自学习的特性,有效克服了表面粗糙度建模的多输入、非线性复杂问题。结果获得了磨削参数对表面偏斜度和表面峰度的影响规律,当v_s=20 m/s,v_f=27 m/min,f=5mm/min,ap=0.005 mm时Ssk最小,当v_s=29 m/s,v_f=23 m/min,f=25 mm/min,ap=0.002 mm时S_(ku)最小;分别建立了磨削参数对S_(sk)和S_(ku)的精确神经网络预测模型。结论 v_f和f对S_(sk)影响较大,而f和vs对Sku的影响最大。为获得凹谷较多、尖锐凸峰较少的表面,必须选择合适的磨削工艺参数。建立的预测模型可以对磨削工艺优化起到有效的指导作用。
文内图片：

图片说明：并针对其特性提出磨削工艺的优化思路；然后利用BP神经网络建立对表面偏斜度和表面峰度较为精确的预测模型，为磨削工艺的优化提供理论支持。1表面偏斜度和表面峰度轮廓偏斜度Ssk为取样长度l内n个轮廓偏距的三次方的平均值，如式（1）所示[9,15]。它是衡量轮廓幅度分布曲线不对称性的一种评定参数。研究证明：如果偏斜度为0，则表示幅度分布对称均匀，如高斯曲线；如果偏斜度小于0，它可能是具有较多深谷的表面；如果偏斜度大于0，，则该表面可能具有较多尖峰。所以，一个好的加工表面，其偏斜度应为负值，如图1所示。113sk300q1[]MNijijSz(x,y)MNS(1)图1表面轮廓偏斜度Fig.1Surfaceprofileskewness表面峰度Sku是纵坐标值概率密度函数锐度的测定，其定义如式（2）所示。它表征轮廓幅度分布曲线变化的尖锐程度。当轮廓偏距服从高斯分布时，峰度值约为3。以高斯分布曲线形状为基准，峰度值大于3时，幅度分布曲线形状较为陡峭，称为尖峰态曲线；峰度值小于3时，幅度分布曲线较宽、较平坦，称为低峰态曲线，如图2所示。研究表明：表面的峰图2表面峰度曲线Fig.2Surfacekurtosiscurves
文内图片：

图片说明：大于0，则该表面可能具有较多尖峰。所以，一个好的加工表面，其偏斜度应为负值，如图1所示。113sk300q1[]MNijijSz(x,y)MNS(1)图1表面轮廓偏斜度Fig.1Surfaceprofileskewness表面峰度Sku是纵坐标值概率密度函数锐度的测定，其定义如式（2）所示。它表征轮廓幅度分布曲线变化的尖锐程度。当轮廓偏距服从高斯分布时，峰度值约为3。以高斯分布曲线形状为基准，峰度值大于3时，幅度分布曲线形状较为陡峭，称为尖峰态曲线；峰度值小于3时，幅度分布曲线较宽、较平坦，称为低峰态曲线，如图2所示。研究表明：表面的峰图2表面峰度曲线Fig.2Surfacekurtosiscurves
【作者单位】：佛山广播电视大学;
【分类号】：TG580.6

【相似文献】