黄希宇　祁翔

摘要：遗传算法作为一种高效，并行的全局搜索优化方法，非常适合用于BP神经网络学习率的优化。文中通过基于遗传算法和BP神经网络提出了遗传-BP神经网络。以实验1、实验2、实验5、实验6、实验9、实验11、实验13和实验15下的高速铣削试验数据构建用于高速铣削工件表面粗糙度建模的训练样本对，并用回归的高速铣削工件表面粗糙度预测模型对实验3和实验7状态中的高速铣削工件表面粗糙度进行预测。通过比较表面粗糙度预测结果和实际结果，发现遗传-BP神经网络在高速铣削工件表面粗糙度进行建模方面是一种十分有效的方法。

关键词：高速铣削;表面粗糙度;预测;遗传-BP人工神经网络

【Abstract】Asanefficientandparallelglobalsearchoptimizationmethod，GeneticAlgorithmisverysuitableforBPneuralnetworklearningrateoptimization.Inthispaper，ageneticalgorithm（GA）basedonBP（BP）neuralnetworkisproposed.Basedontheexperimentaldataofhighspeedmillingexperiments1，2，5，6，9，11，13and15，asetoftrainingsamplesisconstructedforhighspeedmillingsurfaceroughnessmodeling，theregressionmodelofhighspeedmillingworkpiecesurfaceroughnessisusedtopredictthehighspeedmillingworkpiecesurfaceroughnessinexperiment3and7states.Bycomparingthepredictionresultswiththeactualresults，itisdemonstratedthatthesurfaceroughnessneuralnetworkisaveryeffectivemethodinthemodelingofhighspeedmillingworkpiecesurfaceroughness.

【Keywords】highspeedmilling;surfaceroughness;predictivemodeling;GeneticAlgorithm-BPartificialneuralnetwork

作者简介：黄希宇（1997-），男，硕士研究生，主要研究方向：智能算法。

0引言

在工件的高速铣削工艺中，影响工件表面质量的重要指标有很多，本文主要探讨的是高速铣削工件表面粗糙度[1]。为了解决在实际的高速铣削工艺过程中常常会出现一些无法解释又容易导致加工质量不稳定的问题，学者们综合高速铣削工艺过程提出了基于高速铣削工件表面粗糙度预测模型[2]。

建立预测建模的方法很多，但是经过广泛的研究分析发现，比较适合用在高速铣削工件表面粗糙度预测模型构建上的主要有曲线拟合[3]、人工神经网络[4]等方法。但是曲线拟合方法会在建立预测模型中存在假定数学模型和实际数学模型匹配度低致使预测误差偏大的缺点。而人工神经网络却没有这方面的困扰。……