本文提出了一種新的基于自適應最小二乘（ALS）算法的模糊基函數網絡（FBFN），
并用磨削表面粗糙度模型來測試基于ALS 的FBFN 的性能，結果證明它在逼進復雜非線性
磨削過程中有著很好的效果。
關鍵詞：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

磨削在當今加工制造業占據著重要地位。磨削過程建模因為其自身的高度復雜性和輸入
輸出的非線性關系，而成為最富挑戰性的難題之一。我們對磨削過程的認識主要集中前人所做的分析模型、實驗數據和專家的經驗知識，建模需要對上述各種信息加以整合。實踐經驗表明，磨削過程的主要參數修整導距、修整深度、工件轉速和磨輪轉速對磨削后工件的表面粗糙度都有影響，應建立一個四輸入一輸出的數學模型。但這四個因素作用規律復雜，且呈現非線性關系，采用常規的統計回歸方法很難建立數學模型。模糊神經網絡（NFS）是神經網絡與模糊系統相結合的產物，它綜合模糊邏輯和神經網絡的優點,既能表示定性知識，又表示具有自學習和很強的非線性逼近能力，是處理非線性系統的有力工具。但是訓練NFS需要大量的樣本，在實際操作中因為條件的限制而不可行。
本文提出了一種新的基于自適應最小二乘（ALS）算法的模糊基函數網絡（FBFN），根
據分析方程通過ALS算法來構建出粗略形式的模糊規則，然后用小樣本的實驗數據來調整構建好的FBFN的各個參數。經過實驗的驗證，取得了很好的效果。