基于改进粒子群神经网络的粗糙度建模方法

简介

表面粗糙度是衡量零件表面质量的重要指标,也是加工工艺和机床性能对于零件品质影响的综合反映。在分析了多种粗糙度的预测建模方法后,提出了一种基于改进粒子群神经网络的铣削表面粗糙度预测模型。将自适应权重调整机制和高斯全局极值引入到粒子群算法中,形成改进粒子群算法,并使用改进后的算法优化BP神经网络以建立粗糙度预测模型。对模型误差进行比较和分析后,结果表明：使用改进粒子群算法优化后的BP神经网络建立的粗糙度预测模型其收敛性要优于粒子群神经网络,并且证明了所建立粗糙度预测模型具有较高的稳定性和准确率。