首页> 中文学位 >RBF神经网络在三维断屑槽的断屑范围预测中的应用
【6h】

RBF神经网络在三维断屑槽的断屑范围预测中的应用

代理获取

摘要

鉴于前人的研究成果,本文较为系统、全面的介绍了切屑控制技术的概念和发展状况,阐述了对可转位三维槽型刀片断屑范围进行预测的目的和意义,在分析现代断屑范围预测技术发展的基础上,探讨了这种技术在实现过程中存在的难题和不足,提出了利用RBF神经网络对可转位三维槽型刀片的断屑范围进行预测。 RBF网络是前馈型神经元网络,它通过改变神经元非线性变换函数的参数来实现非线性映射,具有学习速度快等优点,近年来在自动控制等众多领域受到重视。本文在Matlab环境下实现了最近邻聚类学习算法,为建立了预测模型奠定了基础。 设计网络学习样本的过程中,我们进行了充分的切削试验,深入研究了加工条件和刀片几何特征对切屑控制的影响,在此基础上提出了将三维断屑槽按截面分类,然后从典型截面中提取最有代表性的特征并将其数值化的方法,并将其应用于实践之中,此方法为如何全面而简洁的提取断屑槽几何特征提供了一种有效的途径。同时也为如何确定神经网络的输入参数提供了一种简易可行的方法。 在上述基础上,本文利用RBF神经网络对可转位三维槽型刀片断屑范围进行预测,并在试验中取得良好的效果。通过分析各网络参数在RBF神经网络实现预测功能的过程中的影响,提出了完善学习样本和改进神经网络结构的设计来提高所设计的神经网络的学习和泛化能力,从而实现较高的识别率,进一步拓宽了切屑控制预测的研究方法。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号