TY - JOUR A2 - Domingo, Rosario AU - Beruvides, Gerardo AU - Castaño, Fernando AU - Haber, Rodolfo E. AU - Quiza, Ramón AU - Villalonga, Alberto PY - 2017 DA - 2017/12/17 TI -在铣切过程中预测表面粗糙度时的复杂性:具有最优参数化的混合增量模型SP - 7317254 VL - 2017 AB -加工过程的复杂性依赖于控制这些过程的内在物理机制，包括非线性、紧急和时变行为。表面粗糙度的测量是通过昂贵的质量控制程序离线完成的关键步骤。由于加工过程的复杂性，采用在线高效计算方法进行表面粗糙度预测是一项困难的工作。混合增量建模的范式使得处理加工过程的复杂性和非线性行为成为可能。然而，模型的参数化是解决方案全面部署的一个瓶颈，而模型参数的最优设置成为一项基本任务。提出了一种基于模拟退火的混合增量模型参数最优整定方法。将增量建模与模拟退火相结合的方法应用于铣削加工表面粗糙度的预测。进行了两项比较研究，以评估拟议策略的准确性和整体质量。第一个比较表明，提出的策略比理论的、基于能量的和田口模型预测表面粗糙度更准确。 The second study also corroborates that hybrid incremental model plus simulated annealing is better than a Bayesian network and a multilayer perceptron for correctly predicting the surface roughness. SN - 1076-2787 UR - https://doi.org/10.1155/2017/7317254 DO - 10.1155/2017/7317254 JF - Complexity PB - Hindawi KW - ER -