文献

J-GLOBAL ID：201802273666078873   整理番号：18A0093480

ニューラルネットワークに基づくミリング大理石の表面粗さ予測モデル【JST・京大機械翻訳】

Neural Network-based Prediction Model for Surface Roughness of Milled Marble

著者 (3件)： Su Xiaoyun (包頭鋼鉄職業技術学院,内蒙古包頭,014010) ,  Wang Jianxin (内蒙古科技大学,内蒙古包頭,014010) ,  Xin Lixia (包頭鋼鉄職業技術学院,内蒙古包頭,014010)
資料名： Biaomian Jishu  (Biaomian Jishu)
巻： 46  号： 8  ページ： 274-279  発行年： 2017年 
JST資料番号： C2656A  ISSN： 1001-3660  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:粒子群最適化BPニューラルネットワークを用いて、大理石加工表面粗さの正確な予測モデルを構築する。方法:まず、異なる切削パラメータを用いてフライス加工実験を行い、加工表面粗さ値を測定し、同時に粒子群アルゴリズムを改良し、慣性重量を指数形式で減少させ、速度摂動係数を増加させ、改良粒子群最適化アルゴリズムを用いてBPニューラルネットワークを最適化した。表面粗さを予測するために,フライス加工表面粗さのニューラルネットワーク予測モデルを確立した。次に,いくつかの実験データを用いて,予測モデルを訓練し,ネットワークパラメータをネットワークの表面粗さを正確に予測することができた。最後に,神経回路網予測モデルの正確さと信頼性を,他の試験データを用いて検証した。結果:計算した粒子群最適化BPネットワークアルゴリズムの予測モデルの正規化平均二乗誤差は0.0501で、最大相対誤差は10.78%であり、しかも誤差の変化は比較的に均一であった。経験式モデルの正規化平均二乗誤差は0.1069であり、最大相対誤差は39.64%であり、誤差の変化幅は比較的大きい。結論:神経回路網モデルと経験式を比較することにより、構築したネットワークモデルは比較的高い予測精度と強いロバスト性を持ち、合理的に切削量を選択することにより理想的な表面粗さを得るために一定の参考価値があることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 正規化 ,  神経回路網 ,  *ニューラルネットワーク ,  信頼性 ,  ロバスト性 ,  *ネットワーク ,  フライス加工 ,  最適化 ,  *予測モデル ,  実験式
準シソーラス用語： 神経回路網モデル ,  相対誤差 ,  平均二乗誤差 ,  逆伝播ニューラルネットワーク ,  粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (5件)： roughness ,  marble ,  neural network ,  particle swarm ,  prediction model

分類 (5件)： ロボットの運動・制御  (IC04012J) ,  図形・画像処理一般  (JE04010I) ,  電動機  (NB07030U) ,  脳・神経系モデル  (EL02050C) ,  防食  (WB03040M)

タイトルに関連する用語 (5件)： ニューラルネットワーク ,  ミリング ,  大理石 ,  表面粗さ ,  予測モデル