论文部分内容阅读
超声振动磨削放电加工过程复杂，难以用精确的理论公式进行描述，通常在试验基础上，借助于机器学习理论做出分析。针对实际加工中试验样本数量有限、预测量数值变化波动大的情况，采用BP神经网络和支持向量机两种方法分别建立超声振动磨削放电加工SiCp/Al指标预测模型，并利用两个模型预测零件表面粗糙度和加工速度等工艺指标。预测结果表明，零件表面粗糙度的数值变化范围较小，两种模型预测值与试验值均具有较好的一致性，预测精度较高；加工速度的数值变化较大，支持向量机模型的预测精度优于BP模型。因此，支持向量机模型更适合于解决