基于径向基神经网络的义齿材料磨损量预测模型
Nanjing Li Gong Daxue Xuebao/Journal of Nanjing University of Science and Technology(2013)
摘要
为研究义齿材料与天然牙之间的磨损匹配性,在人工唾液润滑的条件下,采用天然牙与TC4钛合金在不同法向载荷、频率以及循环次数的工况下进行低速往复磨损实验。以11组实验结果为训练样本,基于径向基神经网络,提出了一种可预测义齿材料磨损量的模型。采用十折交叉验证法得到模型的绝对平均误差为0.6492,验证了该模型的准确性和合理性。通过计算各因素的依赖度得到,牙齿摩擦的法向载荷、频率、循环次数对该模型的绝对平均误差影响分别为0.6262、0.6288和0.4886。
更多查看译文
关键词
Dentures,Radial basis function neural network,TC4 alloys,Ten-fold cross-validation,Wear loss
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络