《表5 对比分析(45组测试样本)》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于磨损监测保持切削加工表面质量稳定的实时控制研究》
为进一步分析通过GRNN模型建模和NP优化的优势,这里用径向基神经网络(Radial basis function,RBF)、支持向量机(Support vector machine,SVM)、高斯过程回归(Gaussian process regression,GPR)和回归模型(Regression model,RM)四种方法与GRNN进行对比。并采用启发式优化算法中常用的粒子群优化算法(Particle swarm optimization,PSO)、遗传算法(Genetic algorithm,GA)与此研究中采用的改进的NP方法进行对比。将同样的720组数据作为训练集,建立磨损监测模型和粗糙度预测模型,45组数据作为测试集,对模型性能进行评估,并计算各算法在测试集中的各项性能指标,结果展示于表5。
图表编号 | XD00163875600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.05 |
作者 | 廖小平、陈楷、鲁娟 |
绘制单位 | 广西大学制造系统与先进制造技术重点实验室、广西大学制造系统与先进制造技术重点实验室、广西大学制造系统与先进制造技术重点实验室、北部湾大学机械与船舶海洋工程学院 |
更多格式 | 高清、无水印(增值服务) |