本文提出了一種新的基于自適應(yīng)最小二乘（ALS）算法的模糊基函數(shù)網(wǎng)絡(luò)（FBFN），
并用磨削表面粗糙度模型來(lái)測(cè)試基于ALS 的FBFN 的性能，結(jié)果證明它在逼進(jìn)復(fù)雜非線性
磨削過(guò)程中有著很好的效果。
關(guān)鍵詞：ALS； FBFN；粗糙度

Abstract：A novel adaptive Least-Squares Algorithm for FBFN is developed in this paper. A model of surface roughness using FBFN is applied in order to test the capabilities of FBFN trained by the ALS algorithm for approximating nonlinear grinding process. It proved that the novel algorithm
performs excellent in nonlinear approximation.
Key words: ALS；FBFN；roughness

磨削在當(dāng)今加工制造業(yè)占據(jù)著重要地位。磨削過(guò)程建模因?yàn)槠渥陨淼母叨葟?fù)雜性和輸入
輸出的非線性關(guān)系，而成為最富挑戰(zhàn)性的難題之一。我們對(duì)磨削過(guò)程的認(rèn)識(shí)主要集中前人所做的分析模型、實(shí)驗(yàn)數(shù)據(jù)和專家的經(jīng)驗(yàn)知識(shí)，建模需要對(duì)上述各種信息加以整合。實(shí)踐經(jīng)驗(yàn)表明，磨削過(guò)程的主要參數(shù)修整導(dǎo)距、修整深度、工件轉(zhuǎn)速和磨輪轉(zhuǎn)速對(duì)磨削后工件的表面粗糙度都有影響，應(yīng)建立一個(gè)四輸入一輸出的數(shù)學(xué)模型。但這四個(gè)因素作用規(guī)律復(fù)雜，且呈現(xiàn)非線性關(guān)系，采用常規(guī)的統(tǒng)計(jì)回歸方法很難建立數(shù)學(xué)模型。模糊神經(jīng)網(wǎng)絡(luò)（NFS）是神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)相結(jié)合的產(chǎn)物，它綜合模糊邏輯和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn),既能表示定性知識(shí)，又表示具有自學(xué)習(xí)和很強(qiáng)的非線性逼近能力，是處理非線性系統(tǒng)的有力工具。但是訓(xùn)練NFS需要大量的樣本，在實(shí)際操作中因?yàn)闂l件的限制而不可行。
本文提出了一種新的基于自適應(yīng)最小二乘（ALS）算法的模糊基函數(shù)網(wǎng)絡(luò)（FBFN），根
據(jù)分析方程通過(guò)ALS算法來(lái)構(gòu)建出粗略形式的模糊規(guī)則，然后用小樣本的實(shí)驗(yàn)數(shù)據(jù)來(lái)調(diào)整構(gòu)建好的FBFN的各個(gè)參數(shù)。經(jīng)過(guò)實(shí)驗(yàn)的驗(yàn)證，取得了很好的效果。