金属学及金属工艺论文_珩磨缸套表面粗糙度预_计算机产品与流通杂志社投稿

一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。二、投稿方式： 1、请使用电子邮件方式投递稿件。 2、编译的稿件，请注明出处并附带原文。 3、请按稿件内容投递到相关编辑信箱三、稿件著作权： 1、投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

金属学及金属工艺论文_珩磨缸套表面粗糙度预

作者:

关键词:

摘要：

文章摘要:为了对粗珩阶段缸套内孔表面粗糙度Rk粗糙度集中的Rk、Rpk和Rvk进行预测，进而对粗珩加工参数进行优化，以珩磨压力（P）、珩磨头旋转速度(V_R)和往复速度(V_Re)为决定因素，Rk粗糙度集为目标响应，进行多目标优化。建立了基于广义回归神经网络（generalized regression neural network， GRNN）与响应曲面法（response surface methodology， RSM）的粗糙度预测模型，用三因素三水平的全因子珩磨试验进行验证，结果表明，所建立模型的预测结果与试验结果具有很好的一致性。GRNN预测模型决定系数R²的均值为0.959，RSM多元回归预测模型决定系数R²的均值为0.963，与RSM所建立的多元回归预测模型相比，GRNN预测模型在预测Rk和Rpk时，预测精度更高，预测误差更小，R²分别提高了0.025和0.020，在预测Rvk时RSM多元回归模型更优，R²提高了0.057。进一步结合响应曲面法分析了三个决定因素对粗糙度的影响显著性并进行了排序，对于Rk：V_Re > P > V_R；对于Rpk：P > V_Re > V_R；对于Rvk：P > V_Re > V_R。结合多元回归模型与NSGA-Ⅱ（non-dominated Sorting Genetic Algorithm Ⅱ）优化算法进行了多目标优化，获得了Pareto最优解的Pareto前沿。

文章关键词:珩磨加工,粗糙度预测,神经网络,响应曲面法,多目标优化,

项目基金:国家自然科学基金(51775428，52075438),陕西省重点研发计划(2020GY-106),机械制造系统工程国家重点实验室开放课题(sklms2020010),