论文部分内容阅读
目的 当前实际生产中对表面形貌的表征主要利用表面算术平均偏差Sa,而通过不同加工方式获得的表面有时尽管具有相同的Sa值,而其表面纹理结构、表面轮廓幅度值的对称程度及凸峰尖锐程度往往存在较大的差异,所以此时引入表面偏斜度Ssk和表面峰度Sku来共同表征表面形貌更为精确可信。方法 利用正交试验和极差分析的方法研究各磨削参数如何影响表面偏斜度和表面峰度的变化。将BP神经网络引入到对表面偏斜度和表面峰度的预测建模中,利用其自学习的特性,有效克服了表面粗糙度建模的多输入、非线性复杂问题。结果 获得了磨削参数对表面偏