- 详情
- 2021-04-26
- 简介
- 784KB
- 页数 6P
- 阅读 65
- 下载 20
对BP神经网络的原理、算法和公式进行了介绍,在对Matlab及其神经网络工具箱介绍的基础上,采用3个声发射特征值:即声发射信号有效值、FFT峰值和标准差作为输入,工件表面粗糙度作为输出,用BP神经网络的方法对高效深磨加工工程陶瓷Al2O3的工件表面粗糙度进行了训练、预测和分析.结果表明,使用BP神经网络可以实现高效深磨加工工程陶瓷工件表面粗糙度的监测.
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
slipknotb***
擅长:
土建 给排水 暖通
- -
服务
- 4
商品
- -
人气
相关推荐
基于BP神经网络的高效深磨工程陶瓷工件表面粗糙度的声发射预测 784KB
神经网络预报冷轧带钢表面粗糙度 262KB
工程陶瓷磨削表面粗糙度数学模型的研究 93KB
工程陶瓷磨削表面粗糙度数学模型的研究 93KB
基于小波神经网络的工程陶瓷动态车削力预测 195KB
基于小波神经网络的工程陶瓷动态车削力预测 195KB
工程陶瓷超精加工工艺参数对表面粗糙度影响的实验研究 573KB
纳米陶瓷与普通陶瓷表面粗糙度的对比研究 162KB
基于BP神经网络的表面缺陷检测分类 2.0MB
影响车床工件表面粗糙度的因素及解决措施 538KB