基于径向基神经网络的刀具寿命预测模型研究
徐营利1,王展2,胡晓兵1,张波1,刘志明1
(1.四川大学 制造科学与工程学院,四川 成都 610065;2.成都中电锦江信息产业有限公司,四川 成都 610051)
摘要:通过分析总结影响刀具寿命的主要影响因素,建立铣削刀具加工参数与刀具寿命的径向基神经网络模型。训练模型使用了10组样本数据,以刀具直径、铣削速度、铣削宽度、铣削深度、进给量、刀具齿数作为网络输入参数,采用十折交叉验证方法对所构建模型进行验证,能够对刀具寿命进行较为准确的预测。与传统BP神经网络模型比较发现,径向基神经网络具有更好的预测精度和稳定性,是预测刀具寿命的一条有效途径。
关键词:刀具寿命;径向基神经网络;十折交叉法
中图分类号:TH164 文献标志码:A doi:10.3969/j.issn.1006-0316.2019.02.003
文章编号:1006-0316 (2019) 02-0013-05
Research on Tool Life Prediction Model Based on Radial Basis Function Neural Networks
XU Yingli1,WANG Zhan2,HU Xiaobing1,ZHANG Bo1,LIU Zhiming1
( 1.School of Manufacturing Science and Engineering, Sichuan University, Chengdu 610065, China; 2.CEC JinJiang Info Industrial Co., Ltd., Chengdu 610051, China )
Abstract:By analyzing and summarizing the main influencing factors of tool life, a radial basis neural network model for machining parameters and life of milling tools is established. The training model uses 10 sets of sample data. The tool diameter, milling speed, milling width, milling depth, feed and tool teeth number are used as network input parameters. The ten-fold cross validation method is used to validate the model and the tool life can be accurately predicted. Compared with the traditional BP neural network model, the RBF neural network has better prediction accuracy and stability , and is an effective approach to tool life prediction.
Key words:tool life;radial basis neural network;10-foldcross-validation
———————————————
收稿日期:2018-07-10
基金项目:2017年智能制造综合标准化与新模式应用(2017ZZ001);四川省科技支撑计划(2017GZ0064、2017GZ0066)
作者简介:徐营利(1993-),男,河南周口人,硕士研究生,主要研究方向为数字化车间;王展(1980-),男,四川南江人,工程硕士,高级工程师,主要从事制造自动化、企业信息化工作。
 

 

设为首页  |  加入收藏    |   免责条款
《机械》杂志版权所有     Copyright©2008-2012 Jixiezazhi.com All Rights Reserved 

  电话:028-85925070    传真:028-85925073    E-mail:jixie@vip.163.com

地址:四川省成都锦江工业开发区墨香路48号   邮编:610063

Powered by PageAdmin CMS