基于PSO-RBF神经网络的刀具寿命预测

摘要

有效的刀具寿命预测可以提高加工效率,保证工件加工精度,因此具有重要的研究价值.刀具寿命预测受到刀具材质、切削参数以及加工材料等多因素的影响,导致刀具寿命难以准确预测.针对这一问题提出了一种利用粒子群(particle swarm optimization, PSO)算法优化径向基(radial basis function, RBF)神经网络的刀具寿命预测方法.首先用PSO算法优化RBF神经网络的主要参数中心值c,宽度σ以及连接权值w,然后将影响刀具寿命的多个因素作为PSO-RBF神经网络模型的输入神经元,寿命作为输出神经元进行刀具寿命预测.论文提出的基于PSORBF神经网络的刀具寿命预测方法,经实验证明该算法平均相对误差为6.16%,与标准的RBF神经网络预测结果相比降低了17.14%,具有可行性.