文献类型：期刊文献

中文题名：RBF神经网络在恒流静压轴承静刚度预测中的应用

英文题名：Application of RBF Neural Network in Prediction of Static Stiffness for Constant-Current Hydrostatic Bearings

作者：连黎明[1];唐军[1,2]

第一作者：连黎明

机构：[1]新乡学院机电工程学院;[2]河南理工大学机械与动力工程学院

第一机构：新乡学院机电工程学院

年份：2014

期号：2

起止页码：36-38

中文期刊名：轴承

外文期刊名：Bearing

收录：CSTPCD;;北大核心:【北大核心2011】；

语种：中文

中文关键词：恒流静压轴承;RBF神经网络;静刚度;预测

外文关键词：constant-current hydrostatic bearing;RBF neural network;static stiffness;prediction

摘要：通过对数控转台SKZT3500用恒流静压轴承进行特性分析,借助软件MATLAB7.1中神经网络工具箱,将RBF神经网络的理论和算法应用到恒流静压轴承静刚度预测中。经过对物理样机进行相关试验,把测量获得的样本数据用于对RBF神经网络进行训练和测试。结果表明,RBF神经网络能够较准确地预测恒流静压轴承的静刚度。
Through analysis of the characteristics of constant -current hydrostatic bearings for NC rotary table SKZT3500,the theory and arithmetic for the RBF neural network are applied to predict the static stiffness for the bear-ings by using neural network toolbox in MATLAB 7.1.The measured sample data is used to train and test the RBF neural network through experiment of physical prototype.The results show that the RBF neural network can accurately forecast the static stiffness of constant-current hydrostatic bearings.