45钢高速铣削表面粗糙度预测OA北大核心CSCDCSTPCD
Surface roughness prediction in high speed milling of 45 steel
为了提高高速铣削加工表面粗糙度预测的精确性以及模型的通用性,提出了一种基于粒子群最小二乘支持向量机( PSO-LSSVM)算法的高速铣削加工表面粗糙度预测方法. 以工件硬度以及铣削参数为影响因素,采用回归分析方法、最小二乘支持向量机( LSSVM)以及PSO-LSSVM方法,分别建立了45钢高速铣削加工表面粗糙度预测模型,并对模型的预测精度进行了试验验证和对比分析. 结果表明:相同样本条件下,回归分析方法的预测误差较大,PSO-LSSVM预测模型…查看全部>>
In order to improve the accuracy and application scope of a surface roughness prediction model, such a model, for high speed milling, is proposed based on the particle swarm optimization-least square support vector ma-chine ( PSO-LSSVM) method. By regarding the hardness of workpieces and the milling parameters as the influence factors on the model, based on regression analysis, LSSVM and PSO-LSSVM, the prediction models of surface roughness in high speed mil…查看全部>>
段春争;郝清龙
大连理工大学 机械工程学院,辽宁 大连116024大连理工大学 机械工程学院,辽宁 大连116024
矿业与冶金
表面粗糙度预测高速铣削最小二乘支持向量机粒子群算法回归分析预测精度45钢
surface roughness predictionhigh speed millingleast square support vector machineparticle swarm optimizationregression analysisprediction accuracy
《哈尔滨工程大学学报》 2015 (9)
基于网络维力的事件规模函数及其参数研究
1229-1233,5
国家自然科学基金资助项目（71271062）；中央高校基本科研业务费资助项目（ HEUCFD1507）．
评论