典型文献
基于RBF-SVR组合模型的切削力预测
文献摘要：
为准确地预测机械加工中切削力的变化,提出了一种基于RBF神经网络和支持向量机回归的RBF-SVR组合预测模型.利用RBF神经网络非线性拟合能力强、支持向量机回归处理小样本数据的特点分别预测切削力,采用最优加权法对预测值进行处理,以确定权重系数并构建组合预测模型,运用三种误差评价指标评价模型预测精度,并在相同切削力数据的前提下,与其他文献建立的AGEM组合模型预测值作对比.研究结果表明:RBF-SVR组合模型的误差指标均小于单一模型,其切削力预测值与真实值吻合效果更好;相对于AGEM组合模型,三种误差评价指标的误差值最少降低了 40％左右,说明RBF-SVR组合预测模型在预测切削力时的精度更高、泛化性更好.
文献关键词：
切削力预测;小样本;组合预测模型;RBF神经网络;支持向量机回归
中图分类号：
作者姓名：
于洋;王关;贾智旗;任玉斌
作者机构：
西安科技大学机械工程学院
文献出处：
引用格式：
[1]于洋;王关;贾智旗;任玉斌-.基于RBF-SVR组合模型的切削力预测)[J].工具技术,2022(08):92-96
A类：
AGEM
B类：
RBF,SVR,切削力预测,机械加工,中切,支持向量机回归,组合预测模型,非线性拟合,小样本数据,最优加权法,确定权重,权重系数,指标评价模型,组合模型预测,误差指标,真实值,误差值,泛化性
AB值：
0.210776
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
