您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201306-27
论文题目 微铣削表面粗糙度预测模型的研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

微铣削表面粗糙度预测模型的研究

首发时间:2013-06-04

王鑫鑫 1   

王鑫鑫,(1982-),男,博士研究生,主要研究方向为微铣加工技术,振动测量技术等。

卢晓红 2   

卢晓红(1978-),女,副教授,主要研究方向为微铣削加工技术,测试技术,数控机床功能部件性能检测,制造业信息化

贾振元 2    贾旭 2    李光俊 2    武文毅 2   
  • 1、大连理工大学机械工程学院,辽宁 大连 116024
  • 2、大连理工大学机械工程学院

摘要:微铣削表面粗糙度是衡量加工过程的一个重要性能指标,建立预测精度较高的微铣削表面粗糙度预测模型,准确地预测和控制零件微铣削加工后的表面粗糙度,对于合理选择工艺参数指导零件的实际加工意义重大。本文结合目前微铣削表面粗糙度预测模型的研究现状,针对黄铜件分别采用响应曲面法(RSM)和支持向量机(SVM)回归建立关于刀具悬伸量、主轴转速、每齿进给量、轴向切深四个切削参数的微铣削表面粗糙度预测模型,并通过微铣削加工试验对两种方法建立的预测模型进行对比验证,结果表明SVM预测模型预测均方误差仅为RSM预测模型的17.9%,预测精度较高,能够较好的预测微铣削表面粗糙度的大小和变化规律。因此,SVM预测模型更适合于微铣削表面粗糙度的预测。

关键词: 微铣削 表面粗糙度 预测模型 响应曲面法 支持向量机回归

For information in English, please click here

Research on the prediction model of Micro-milling surface roughness

Wang Xinxin 1   

王鑫鑫,(1982-),男,博士研究生,主要研究方向为微铣加工技术,振动测量技术等。

Lu Xiaohong 2   

卢晓红(1978-),女,副教授,主要研究方向为微铣削加工技术,测试技术,数控机床功能部件性能检测,制造业信息化

Jia Zhenyuan 2    Jia Xv 2    Li Guangjun 2    Wu Wenyi 2   
  • 1、School of Mechanical Engineering, Dalian University of Technology, LiaoNing DaLian 116024
  • 2、School of Mechanical Engineering, Dalian University of Technology

Abstract:Surface roughness is an important performance indication for micro-milling processing. Establishing a roughness-prediction model with high-precision is helpful to select the cutting parameters for micro-milling.Two prediction models are established by RSM (Response surface method) and SVM (Support Vector Machine Regression) in this paper. Four cutting parameters are involved in the models (extended length of micro-milling tool, spindle speed, feed per tooth, and cutting depth in the axial direction). The models are established for material of brass. Experiments are carried out to verify the accuracy of the models. The results show that SVM prediction model has higher prediction accuracy, predict the variation law of micro-milling surface roughness better than RSM.

Keywords: Micro-milling Surface roughness Prediction model RSM SVM

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
王鑫鑫,卢晓红,贾振元,等. 微铣削表面粗糙度预测模型的研究[EB/OL]. 北京:中国科技论文在线 [2013-06-04]. https://www.paper.edu.cn/releasepaper/content/201306-27.

No.****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

微铣削表面粗糙度预测模型的研究