【技术实现步骤摘要】
一种砂带磨削螺杆曲面表面粗糙度的预测方法
本专利技术涉及砂带磨削加工领域，具体涉及一种砂带磨削螺杆曲面表面粗糙度预测方法。
技术介绍
多头螺杆转子是钻具、螺杆泵等器械的重要组成之一，应用在石油、化工、军工、轻工等行业。其表面粗糙度影响着螺杆在作业时的稳定性、耐磨性等等。近15年来螺杆在我国空压机，冷冻机，工业泵，塑料机械中应用越来越广泛，行业内对螺杆表面质量的要求日益增高，所以需要一种表面粗糙度预测算法，能够根据给定实验数据训练之后，得到不同磨削参数下的表面粗糙度数值。现有的BP神经网络预测中存在的局部极小化、收敛速度慢、出现过拟合等现象。目前，现有砂带磨削螺杆曲面表面粗糙度预测方法预测速度慢，准确性差，不足以利用来预测螺杆表面粗糙度数值，所以需要提出一种新的算法来进行预测。
技术实现思路
专利技术目的：本专利技术提出一种砂带磨削螺杆曲面表面粗糙度预测方法，其目的在于提出一种可以使螺杆工件表面粗糙度在给定条件下快速预测出的方法，提高预测表面粗糙度准确性。技术方案：本专利技术...
【技术保护点】
1.一种砂带磨削螺杆曲面表面粗糙度的预测方法，其特征在于：包括如下步骤：/n1)获取螺杆砂带磨削加工参数中对表面粗糙度产生影响的参数，根据选定的参数，确定实验数据；/n2)将数据输入为矩阵形式，并通过归一化模型进行归一化，采用线性转换；样本归一化之后的数据分别作为基于麻雀搜索方法优化神经网络算法的输入P与输出T；/n3)确定网格结构，输入P维数为n，确定输入层单元个数为n，根据隐层神经元模型计算出隐层神经元个数k；/n4)通过麻雀觅食优化方法获得优化后的BP神经网络的权值与阈值；/n5)利用优化后BP神经网络的权值与阈值代入BP神经网络进行训练；根据训练结果最终预测出不同工...
【技术特征摘要】
1.一种砂带磨削螺杆曲面表面粗糙度的预测方法，其特征在于：包括如下步骤：
1)获取螺杆砂带磨削加工参数中对表面粗糙度产生影响的参数，根据选定的参数，确定实验数据；
2)将数据输入为矩阵形式，并通过归一化模型进行归一化，采用线性转换；样本归一化之后的数据分别作为基于麻雀搜索方法优化神经网络算法的输入P与输出T；
3)确定网格结构，输入P维数为n，确定输入层单元个数为n，根据隐层神经元模型计算出隐层神经元个数k；
4)通过麻雀觅食优化方法获得优化后的BP神经网络的权值与阈值；
5)利用优化后BP神经网络的权值与阈值代入BP神经网络进行训练；根据训练结果最终预测出不同工况下工件的表面粗糙度数值。
2.根据权利要求1所述的砂带磨削螺杆曲面表面粗糙度的预测方法，其特征在于：麻雀觅食优化方法的步骤为：
S1将个实验数据根据麻雀觅食、躲避天敌的特点定义为三种可能的个体：发现者、跟随者和警戒者；
S2根据个体数量模型计算出初始化种群个体的数量j，并设定迭代次数maxgen与发现者比例P_percent；
S3根据S2中设定的发现者比例、种群数量，产生S个发现者，将BP神经网络的初始权值与阈值作为麻雀的初始群体X，得到一组表面粗糙度预测值，以实测值与预测值的误差函数作为适应度函数Fx；
S4根据麻雀搜索方法中麻雀的觅食规则，发现者根据发现者更新位置变更模型变更坐标；跟随者根据跟随者更新位置变更模型变更坐标；警戒者根据警戒者更新位置变更模型变更坐标；当误差值小于给定误差时，终止更新迭代，此时麻雀群体X即为优化后的BP神经网络的权值与阈值。
3.根据权利要求1所述的砂带磨削螺杆曲面表面粗糙度的预测方法，其特征在于：步骤2)中归一化模型为：
式中，y为归一化之后的数据，x为当前数据个体，xmin为给定数据中数值最小的个体，xmax为给定数据个体中数值最大的个体。
4.根据权利要求1所述的砂带磨削螺杆曲面表面粗糙度的预测方法，其特征在于：步骤3)中隐层神经元模型为：
式中k为隐层神经元个数，m为输入层神经元个数，n为输出层神经元个数，α是常数，取值[1,10]。
5.根据权利要求2所述的砂带磨削螺杆曲面表面粗糙度...
【专利技术属性】
技术研发人员：杨赫然，董浩生，孙兴伟，董祉序，潘飞，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。