Please wait a minute...
工程设计学报
工程设计学报  2013, Vol. 20 Issue (1): 39-43    
工程设计理论、方法与技术     
基于组合算法的金属铣削毛刺预测
 原思聪, 李超, 安峰, 张琛, 王蓉
西安建筑科技大学 机电工程学院， 陕西 西安 710055
A metal milling burr prediction based on combination algorithm
 YUAN  Si-Cong, LI  Chao, AN  Feng, ZHANG  Chen, WANG  Rong
School of Mechanical and Electrical Engineering， Xi′an University of Architecture and Technology， Xi′an 710055, China
 全文: PDF(582 KB)   HTML
摘要： 利用最优权值系数，将灰色理论、人工神经网络和遗传算法有机结合，构建组合算法，依据3种数学方法建立3种组合模型：组合算术平均模型、组合平方和平均模型以及组合比例平均模型，并分别将3种组合模型应用于45钢铣削毛刺的预测．利用3个预测误差评价指标，即平方和误差指标、平均绝对误差指标和平均相对误差指标，对各模型的预测结果进行分析计算.结果表明，组合算术平均模型所得结果与实验结果取得了较好的吻合，具有较高的精度和稳定性，对于金属铣削毛刺的预测具有实际的应用价值．
关键词： 毛刺;  灰色理论;  BP神经网络;  遗传算法;  最优权值系数;  组合预测    
Abstract: With banding together the gray theory， the artificial neural network and genetic algorithm on the basis of optimal weights coefficient， we got a combination algorithm. We built three combination models according to three kinds of mathematical methods， which were the combination model of arithmetic mean， the combination model of quadratic sum average and the combination model of proportion average， meanwhile， the models were applied to metal milling burr forecasting of carbon steel 45. We analyzed and calculated the results of the forecasting models by using the three evaluation indexes of prediction error: sum of squared error mean， absolute error mean， relative error. The consequences show that the combination model of arithmetic mean is more consistent with the experimental data， and it has a higher accuracy and stability， which is pretty valuable for metal milling burr forecasting．
Key words: burr    gray theory    BP neural network    genetic algorithm    optimal weight coefficient    combination forecast
出版日期: 2013-02-28
基金资助:

“十二五”国家科技支撑计划重点项目（2011BAJ02B02，2011BAJ02B02-02）;陕西省科技攻关项目（2011K10-18）;陕西省自然科学基金资助项目（2007E218）;陕西省教育厅自然科学专项项目（09JK559）.
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
原思聪
李超
安峰
张琛
王蓉

引用本文:

原思聪, 李超, 安峰, 张琛, 王蓉. 基于组合算法的金属铣削毛刺预测[J]. 工程设计学报, 2013, 20(1): 39-43.

YUAN Si-Cong, LI Chao, AN Feng, ZHANG Chen, WANG Rong. A metal milling burr prediction based on combination algorithm. Chinese Journal of Engineering Design, 2013, 20(1): 39-43.

链接本文:

https://www.zjujournals.com/gcsjxb/CN/    或    https://www.zjujournals.com/gcsjxb/CN/Y2013/V20/I1/39

[1] 李琴,贾英崎,黄玉峰,李刚,叶闯. 一种工业机器人多目标轨迹优化算法[J]. 工程设计学报, 2022, 29(2): 187-195.
[2] 丁述勇, 张征, 丁文洁, 林勇. 多巷道式立体车库优化设计与车辆存取策略研究[J]. 工程设计学报, 2021, 28(4): 443-449.
[3] 张帅, 韩军, 涂群章, 杨小强, 杨旋. 基于GA-NLP的剪刀式折叠桥梁展桥机构多目标优化设计[J]. 工程设计学报, 2020, 27(1): 67-75.
[4] 刘春青, 王文汉. 基于人工神经网络-遗传算法的展成法球面精密磨削参数优化[J]. 工程设计学报, 2019, 26(4): 395-402.
[5] 马天兵, 王孝东, 杜菲, 王鑫泉. 基于GA-SVM的刚性罐道故障诊断[J]. 工程设计学报, 2019, 26(2): 170-176.
[6] 唐林, 许志沛, 贺田龙, 敖维川. 基于BP神经网络的转动架稳定性灵敏度分析[J]. 工程设计学报, 2018, 25(5): 576-582.
[7] 邓星, 于兰峰, 雷聪, 徐江平, 肖泽平. 基于响应面法的无轨伸缩式门式起重机轻量化设计[J]. 工程设计学报, 2018, 25(3): 288-294.
[8] 唐维, 谢延敏, 黄仁勇, 张飞, 潘贝贝. 基于自适应SVR-ELM混合近似模型的镁合金差温成形本构参数反求[J]. 工程设计学报, 2017, 24(5): 536-544.
[9] 王莉, 张士兵. 基于CPSO-BP神经网络-PID的热熔胶机温控系统研究[J]. 工程设计学报, 2017, 24(5): 588-594.
[10] 钟健, 阎春平, 曹卫东, 陈诚. 基于BP神经网络和FPA的高速干切滚齿工艺参数低碳优化决策[J]. 工程设计学报, 2017, 24(4): 449-458.
[11] 程兵, 于兰峰, 吴永明, 符康. 基于响应面法的地坑式架车机轻量化研究[J]. 工程设计学报, 2016, 23(6): 606-611.
[12] 邱瑞斌, 雷飞, 陈园, 王琼. 基于权重比的车架多工况拓扑优化方法研究[J]. 工程设计学报, 2016, 23(5): 444-452.
[13] 李晓豁, 史尚伟, 翁正洋, 钱亚森, 李岩, 杨梓嘉. 基于BP-GA的冲击破岩掘进机工作机构动态优化[J]. 工程设计学报, 2016, 23(4): 358-363.
[14] 苏建宁, 陈肖, 张书涛, 张新新. 基于进化算法的产品造型创新设计方法研究[J]. 工程设计学报, 2016, 23(2): 136-142.
[15] 隋海腾, 牛文铁. 基于迷宫算法和遗传算法的船舶管路路径规划[J]. 工程设计学报, 2016, 23(2): 188-194.