資源描述：
《基于人工神經(jīng)網(wǎng)絡(luò)的BTA鉆削表面粗糙度預(yù)測研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)：TH161單位代碼：10110學(xué)號(hào)：s20110187中北大學(xué)基于碩士學(xué)位論文人工神經(jīng)網(wǎng)基于人工神經(jīng)網(wǎng)絡(luò)的BTA鉆削絡(luò)的BTA表面粗糙度預(yù)測研究鉆削華表北面粗糙度預(yù)測研究碩士研究生高騰中指導(dǎo)老師苗鴻賓北大學(xué)科專業(yè)機(jī)械制造及自動(dòng)化學(xué)2014年5月16日圖書分類號(hào)：TH161密級(jí)非密注1UDC621.4碩士學(xué)位論文基于人工神經(jīng)網(wǎng)絡(luò)的BTA鉆削表面粗糙度預(yù)測研究高騰指導(dǎo)教師(姓名、職稱)苗鴻賓教授申請學(xué)位級(jí)別工學(xué)碩士專業(yè)名稱機(jī)械制造及自動(dòng)化論文提交日期年月日論文答辯日期年月日學(xué)位授予日期年月日論文評(píng)閱人答辯委員會(huì)主席年月日原創(chuàng)
2、性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名：日期：關(guān)于學(xué)位論文使用權(quán)的說明本人完全了解中北大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部門送交學(xué)位論文的原件與復(fù)印件；②學(xué)?？梢圆捎糜坝?、縮印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；③學(xué)?？稍试S學(xué)位論文被查閱或借閱；④學(xué)?？梢詫W(xué)術(shù)交流
3、為目的，復(fù)制贈(zèng)送和交換學(xué)位論文；⑤學(xué)校可以公布學(xué)位論文的全部或部分內(nèi)容(保密學(xué)位論文在解密后遵守此規(guī)定)。簽名：日期：導(dǎo)師簽名：日期：基于人工神經(jīng)網(wǎng)絡(luò)的BTA鉆削表面粗糙度預(yù)測研究摘要隨著時(shí)代的發(fā)展，深孔加工越來越受到廣泛的關(guān)注，在機(jī)加工領(lǐng)域占有舉足輕重的地位。它的加工難度比較大，而且每次加工的工作量大，加工時(shí)間往往都比較長，是制造加工中的一個(gè)重要加工過程。然而由于人們對(duì)產(chǎn)品的要求越來越高，如何獲得高的表面質(zhì)量已成為當(dāng)前關(guān)注的熱點(diǎn)和關(guān)鍵性問題。本文對(duì)現(xiàn)階段深孔加工中如何控制表面粗糙度進(jìn)行了研究，利用神經(jīng)網(wǎng)絡(luò)建立模型預(yù)測表面粗糙度
4、，為深孔加工領(lǐng)域提高表面質(zhì)量和優(yōu)化切削參數(shù)提供了新的思路，具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。本文以BTA深孔鉆削表面粗糙度的預(yù)測為主要研究內(nèi)容，對(duì)影響表面粗糙度的因素進(jìn)行正交試驗(yàn)，分析BTA鉆削的加工機(jī)理和表面粗糙度在各個(gè)影響因素作用下的結(jié)果，得出它們對(duì)表面粗糙度的影響規(guī)律，為更好的預(yù)測表面粗糙度提供理論依據(jù)。本文通過引入神經(jīng)網(wǎng)絡(luò)理論到深孔加工領(lǐng)域，利用切削速度、進(jìn)給量和軸向力對(duì)表面粗糙度的影響規(guī)律建立預(yù)測BTA鉆削表面粗糙度的網(wǎng)絡(luò)模型。動(dòng)態(tài)調(diào)整隱含層的節(jié)點(diǎn)數(shù)來確定網(wǎng)絡(luò)結(jié)構(gòu)。通過訓(xùn)練與驗(yàn)證網(wǎng)絡(luò)模型，比較模型的預(yù)測精度和收斂能力能
5、否達(dá)到要求。課題研究表明，本文所選取的3-16-1三層BP網(wǎng)絡(luò)模型的預(yù)測誤差都在3%以內(nèi)，能夠比較準(zhǔn)確的預(yù)測表面粗糙度。這樣就能夠選擇最優(yōu)的切削參數(shù)，量化預(yù)測表面粗糙度，解決BTA鉆削無法在線控制表面質(zhì)量的問題，具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。關(guān)鍵詞：BTA鉆削，人工神經(jīng)網(wǎng)絡(luò)，表面粗糙度，正交試驗(yàn)SurfaceRoughnessPredictionofBTADrillingBasedonArtificialNeuralNetworkAbstractWiththedevelopmentofthetimes,peoplearemo
6、reandmoreattentiononthedeepprocessing,itoccupiesapivotalpositioninthefieldofmachining.Itismuchdifficultmachinedandeachprocessinghasheavyworkload,processingtimeisoftenlong,themanufacturingprocessisanimportantprocess.However,peoplehaveincreasinglyhighdemandfortheproduc
7、t,howtoobtainahighsurfacequalityhasbecomeafocusofattentionandkeyissues.Inthispaper,howtocontrolthesurfaceroughnesswerestudiedbyusingneuralnetworkmodel,itprovidesanewwayofthinkingtopredictthesurfaceroughnessandimprovethesurfacequalityandoptimizedcuttingparametersforth
8、edeepprocessingfield,ithasimportanttheoreticalsignificanceandpracticalvalue.Inthispaper,thefactorsofaffectingthesurfaceroughnessmak
