摘要院为实现对超声挤压轴类零件表面粗糙度的合理预测，采用多元回归法、MLP神经网络法以及支持向量机回归法进行预测分析研究。将模型预估时所得数值与实际检测值进行比较分析，结果表明：相比于其他学者借助径向基神经网络构建的模型，其预测的相对误差为5.2%；借助多元回归法构建的模型具有更高的预测准确度，其预测的平均相对误差最小，最小值为4.92%。该预测模型可以进行不同参数下零件表面粗糙度的预测。关键词院超声挤压曰正交试验曰MLP神经网络曰支持向量机曰多元回归法中图分类号院TG663文献标识码院A文章编号院2095原0926（圆园23）02原园园37原园5AnalysisofsurfaceroughnesspredictionmodelforultrasonicextrusionshaftpartsJIAHaili袁CHANGJinxin袁ZHANGLulu渊1.SchoolofMechanicalEngineering袁TianjinUniversityofTechnologyandEducation袁Tianjin300222袁China曰2.FirstDivision袁BeijingAerospaceXinliScienceandTechnologyCo.Ltd.袁Beijing100039袁China冤Abstract院Multipleregression袁MLPneuralnetworkandsupportvectormachineregressionwereusedtopredictthesurfaceroughnessofultrasonicextrusionshaftparts.Theestimatedvalueofthemodelandtheactualdetectionvaluearecompared,andtheanalysisshowsthattherelativemistakeofthemodelis5.2%comparedwiththatofthemodeldevelopedbyotherscholarswiththehelpofRBFneuralnetwork,andthemodelconstructedbymultipleregressionmethodhashigherpredictionaccuracy袁anditsaveragerelativemistakeissmall,theminimumvalueis4.92%.Themodelcanbeusedtopredictthesurfaceroughnessofpartswithdifferentparameters.Keywords院ultrasonicextrusion曰orthogonalexperiment曰MLPneuralnetwork曰supportvectormachine曰multipleregression超声挤压轴类零件表面粗糙度预测模型分析贾海利1，常金鑫1，张璐璐2（1.天津职业技术师范大学机械工程学院，天津300222；2.北京航天新立科技有限公司第一事业部，北京100039）收稿日期院2023-02-16基金项目院2021年天津市新一代人工智能科技重大专项（21ZXJBGX00020）.作者简介院贾海利（1979—），女，副教授，硕士生导师，研究方向为先进制造技术，highly0811@163.com.超声振动挤压加工技术实际上是在传统挤压加工技术的基础上将传统振动挤压加工技术以及超声技术联合应用发展得到的，通过该技术进行零件加工时，在工具头处会施加一个高频纵向冲击力...
