祁 翔，张心光

(上海工程技术大学 机械与汽车工程学院，上海201620)

0 引 言

本次研究中，基于BP神经网络的预测和基于遗传算法优化的BP神经网络的预测建模的训练数据和验证数据都来自于文献［1］，通过层次分析法可发现在影响切削工件表面质量的众多因素中，工件表面粗糙度权重最高，并且考虑到以往研究高速铣削工艺的学者们常采用高速铣削工件表面粗糙度预测模型［1］来解决实际工艺过程中出现的一些无法解释的问题，故本文主要选择高速铣削工件表面粗糙度［2］作为预测值。

虽然曲线拟合［3］、人工神经网络［4］等方法都是高速铣削工件表面粗糙度预测模型的主流构建方法，但除了人工神经网络外其它方法在各种实际应用中都会表现出不足，例如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适配度低的问题。而人工神经网络就有效避免了这一方面的弊端。研究可知，人工神经网络因为自身结构简单、应用要求低等优点在如今的各大主流领域应用中都得到了不错的效果。于振等人［5］为了解决常用扭矩传感器的刚度差，校准效率低等问题设计了一种基于BP神经网络的扭矩传感器静态校准系统；陈智雨等人［6］为了提高对光伏发电量的预测精度，建立了基于ACO-BP神经网络的光伏系统发电功率预测模型；江毓等人［7］为了研制出新一代的智能电机异音自动化检测设备，即基于BP神经网络提出了一种新型的电机异音诊断方法。……