基于RBF神经网络的航空叶片铣削残余应力预测_周金华

资 源 简 介

基于RBF神经网络的航空叶片铣削残余应力预测_周金华

详 情 说 明

RBF神经网络在航空叶片铣削残余应力预测中的应用

航空叶片的制造过程中，残余应力的控制直接影响零件的疲劳寿命和尺寸稳定性。传统基于物理模型的预测方法往往面临计算复杂和适应性不足的挑战。周金华的研究通过RBF（径向基函数）神经网络构建了铣削参数与残余应力的非线性映射关系。

核心思路是通过三阶段实现高精度预测：首先采集主轴转速、进给量等工艺参数作为输入特征，配合X射线衍射法实测的残余应力数据；其次利用高斯函数作为RBF网络的激活单元，通过聚类算法确定隐含层节点中心；最后采用混合学习策略优化网络权重，显著提升了小样本条件下的泛化能力。

该方法突破了传统解析模型对复杂工艺耦合效应的表征局限，特别适合航空领域多品种、小批量的叶片加工场景。实验表明，预测结果与实测值的平均相对误差可控制在8%以内，为工艺优化提供了可靠的智能决策依据。