基于神经网络的电化学加工表面粗糙度预测与加工参数正交优化

电化学加工的表面粗糙度与加工电流、加工间隙、电解液温度、加工时间、电解液配比等工艺参数密切相关,而这些工艺参数与工件表面粗糙度之间为复杂的非线性关系,建立其关联一直是电化学加工中的难题。以BP神经网络为基本工具,建立了加工参数与表面粗糙度之间关系的数学模型,利用实验数据训练网络,结果表明可实现较小的预测误差;应用正交法分析实验数据,实现了可使表面粗糙度参数变化幅度较大的加工参数的优化配置。