通过分析Preston方程得出影响砂带磨削材料去除率的工艺参数,并结合砂带磨削经验,在试验装置一定的情况下,确定了影响叶片加工质量和加工效率的主要4个砂带磨削工艺参数砂带线速度、工件与砂带法向接触力、砂带磨粒粒度和工件进给速度。对4个工艺参数进行单因素试验和L18(34)正交试验,得到了各个工艺参数对工件表面粗糙度和材料去除率的影响规律,确定了各工艺参数的合理范围。基于多层感知器的非线性预测算法对试验数据进行训练拟合,得到工件表面粗糙度和材料去除率的预测模型。最后根据砂带磨削验证试验和模型间性能对比,确定了模型对表面粗糙度和材料去除率的预测绝对百分比误差分别在2.30%~6.47%和1.00%~6.67%之间,并且此模型预测的计算时间更短,证明了此模型通过工艺参数来预测试验结果的鲁棒性和快速性。

说明了基于神经网络的故障诊断的学习系统的原理,分析了多层感知器的隐层节点数的确定和对BP算法的改进.并以液压泵的故障诊断为例,解释了此学习系统的实现过程.在对BP算法改进之后,系统能很好地实现学习功能,完全达到了预期的结果.