姚娇凤

（西安铁路职业技术学院，陕西西安 710014）

随着社会经济和现代化机械工业的快速发展，各个领域对一些重要零部件材料的力学性能和机械性能的硬度、强度、抗磨性、耐热性、抗压强度和抗拉强度等要求在不断提高，只有像高温合金、奥氏体不锈钢、硬质合金、钛合金等一系列具有耐高温、耐腐蚀、可承受复杂应力、耐热度强、高功能性、高硬度的优良物理机械性能的金属材料才能符合零部件材料要求。对这些材料进行高效加工直接关系到航天航空、汽车制造等重要工业的整体水平和发展速度。为满足制造要求，选用的材料必须具有高韧性、高耐磨性、高硬度等特性，因此加工这些特性材料的难度也较大。在加工难加工金属的初期阶段，人们较为普遍地采用BP算法的人工神经来控制数控加工。

因BP算法难以按照难加工金属材料在加工过程中的变形、振动产生的实际误差来确定较好的初始值，所以在很大程度上限制了其在切削加工误差型建模中的应用。而且，由于BP算法的前传多层感知器网络在初始化时的随机性，使得BP算法存在很多不足，BP算法常常需要成千上万次的迭代，增加了训练样例维数，导致网络性能变差、收敛速度太慢；每当加入新样例时，就会对已学习过的样例产生影响；BP算法会出现局部极小问题，因为它采用了数学中一梯度最速下降法，这种算法不是求问题的解。RBF算法，它是一种具有单隐层的三层前馈网络反向传播算法。……