针对数控切削加工表面粗糙度存在预测精度不高的问题,采用径向基(RBF)神经网络技术,以多组实际加工试验数据作为样本,建立了以转速n、进给速度vf、背吃力量ap为自变量的切削表面粗糙度预测模型。试验及预测结果表明:切削表面粗糙度RBF神经网络预测模型的预测相对误差小于2.7%,而回归分析预测值的相对误差在7.1%～14.0%变动。充分说明数控切削加工表面粗糙度RBF神经网络预测模型的预测精度高,可满足数控切削加工表面粗糙度实时在线预测的要求。
2021-05-12 15:43:02
260KB
1
根据基尔霍夫近似方法, 用蒙特-卡罗方法模拟随机粗糙面, 观测到了随机粗糙面的后向增强效应。 分别研究了高斯粗糙面及分形粗糙面, 讨论了统计特性相同的粗糙面在不同小波尺度的电磁(光)波散射特性。 所得结果与实验事实相当吻合。
2021-05-09 21:03:07
1.13MB
1
Discernibility_and_Rough_Sets_in_Medicine_Tools_and_Applications.rar
2021-05-07 13:05:58
471KB
1
【激光扫描显微镜】学习测量表面粗糙度和尺寸的新方法zip,【激光扫描显微镜】学习测量表面粗糙度和尺寸的新方法
2021-05-06 22:20:56
7.28MB
1
对于约简而言，其实质上是保证复合物分类能力不变，立即降低弱约简的定义。利用区分矩阵能很容易计算出弱约简和遗传算法可以在分解寻优的优势，将染色体对区分函数的覆盖度作为适应度函数的参数，提出了一种基于遗传算法和区分矩阵的属性约简算法。算法中从粒计算的角度，重新划分粒度，对基于划分和覆盖的粗糙集方法通过k近邻算法通过准确率对弱约简效果进行评估。通过UCI数据集证明了该算法的有效性。该算法的时间复杂度是多个式的。
2021-05-06 18:56:39
2MB
1