在磨皮带研磨过程中预测合金的表面粗度,基于改进的辐射基函数 (RBF) 神经网络神经网络
Kun Shan1, Yashuang Zhang1, Yingduo Lan1
1AECC Shenyang Liming Aero-Engine Co., Ltd., No. 6 Dongta Street, Dadong District, Shenyang 110862, China.
Materials (Basel, Switzerland)
|November 25, 2023
概括
预测合金研磨表面粗度对于实时加工调整至关重要. 与经典方法相比,改进的GWO-PSO-RBF神经网络模型显著提高了预测准确性.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 计算智能是一种计算智能.
背景情况:
- 合金提供优越的强度和耐腐蚀性,使其广泛使用.
- 合金的研磨由于其独特的材料特性而带来了重大挑战.
- 准确的表面粗度预测对于实时优化加工参数至关重要.
研究的目的:
- 开发一个先进的理论模型来预测磨合金的表面粗度.
- 在合金加工中提高表面粗度预测的准确性和可靠性.
主要方法:
- 开发了一种改进的辐射基础功能神经网络 (RBF) 模型.
- 该模型将粒子群优化 (PSO) 与灰狼优化 (GWO) 方法 (GWO-PSO-RBF) 集成在一起.
- 使用GWO-PSO-RBF模型预测合金研磨过程中的表面粗度.
主要成果:
- 开发的GWO-PSO-RBF模型表现出比经典预测模型更高的性能.
- 该模型实现了0.919的高模型合适的确定系数 (R2) 0.919.
- 增强的神经网络为表面粗性提供了更准确的预测参数.
结论:
- GWO-PSO-RBF模型在预测合金研磨表面粗度方面取得了重大进展.
- 这种改进的模型可以促进对加工参数的实时调整,以获得更好的结果.
- 该研究强调了混合优化算法在精密制造应用中的潜力.
