来源：期刊VIP网 时间：
作者：欧彦江;秦都;杨岗;罗文成;
单位：成都工贸职业技术学院电气工程学院;成都天佑路创轨道交通科技有限公司;成都技能型社会与制造业高质量发展研究中心;西南交通大学机械工程学院;
摘要：基于神经网络的铣削加工表面粗糙度预测需要大量样本数据用于训练，而样本数据的获取需要耗费大量的成本，增加了预测模型构建的难度。针对该问题，提出一种基于BP神经网络生成的样本扩充方法。该方法首先使用原始实验数据对不同结构的神经网络进行训练，并使用验证样本集对训练好的各个神经网络模型进行预测精度验证，依据验证结果确定最优解神经网络模型。而后，使用最优解神经网络模型进行粗糙度数据的生成，形成扩充样本集，完成训练样本的扩充。使用扩充样本对神经网络进行训练，并构建预测模型。结果表明，扩充后的训练样本可以大幅提高BP神经网络的训练效果，以此构建的预测模型预测精度相比使用原始样本训练的模型预测精度有较大的提升。
关键词：小样本;;铣削;;表面粗糙度;;BP神经网络;;训练样本扩充;;数据生成
基金资助：四川省科技计划重点项目（2023YFG0063）;; 成都工贸职业技术学院重点课题（GMJS101002）
