摘要:
为了提升轴承表面Al2O3基陶瓷绝缘涂层的粗糙度预测精度,提出基于光谱共焦原理的砂轮表面测量及磨粒特征参数量化方法,以砂轮表面的磨粒特征参数K,砂轮线速度vs,工件进给速度f,切削深度ap及法向磨削力F为输入参数,建立能够直接反映砂轮表面时变状态的工件表面粗糙度BP神经网络预测模型,并通过已知磨削样本及砂轮磨损后的4组未知样本对网络预测模型性能进行验证。结果表明:已知样本的BP网络模型粗糙度预测结果与实际结果的规律及数值较为一致,其网络输出误差均 < ± 0.04 μm;4组未知样本的网络预测精度下降,但其相对误差最大值的绝对值不超过20.00%。建立的包含砂轮表面磨粒特征参数的神经网络...