收藏本站
《吉林大学》 2004年
收藏 | 手机打开
二维码
手机客户端打开本文

神经网络解决机械加工误差复映的应用研究

武星星  
【摘要】:在机械加工过程中,由于毛坯的尺寸和形位误差、装卡的偏心等原因导致工件加工余量变化,而工件的材质会不均匀,这些原因引起切削力变化,使工艺系统变形(让刀量)发生变化,从而产生加工误差,即机械加工中的误差复映现象。通常凭人的经验多次加工,每次加工取适当的加工余量减少误差复映引起的加工误差。 根据误差复映理论,误差复映系数反映了加工前毛坯误差对加工后工件误差的影响程度,而误差复映系数与工艺系统刚度、切削条件、进给量、工件材料的硬度等多个因素有关,且呈复杂的非线性关系难以通过公式精确算出。多次加工可以减少误差,而加工次数及每次加工余量的选取目前主要依靠人的经验。人工神经网络模仿大脑神经网络结构和功能,以其高度的并行性、高度的非线性全局作用、良好的容错性与联想记忆功能、十分强的自适应学习功能,在模式识别、模式分类、函数逼近、图像处理、信号处理、容错计算等领域得到了广泛的应用。利用神经网络的学习能力,BP网的任意非线性映射能力可以模拟这复杂的函数关系。通过对实验得到的样本集进行训练,当对训练好的网络给以一定的输入后可以得到正确的输出。从而可以根据加工的各种条件得出加工的次数及各次的加工余量。BP算法不受输入量和输出量数目的限制,在具体的研究应用中,可以根据需要修改源程序加以改进.在本论文中主要完成的研究内容如下: 1.网络模型的建立 通过分析误差复映问题的模型,分析比较各种神经网络的特点,确定了用于优化机械加工参数的神经网络模型。用神经网络优化机械加工参数,解决机械加工误差复映这一问题的实质是逼近一个复杂的非线性函数,而感知器只能解决输入线性可分的分类问题,自适应线性元件仅可以学习输入输出矢量间的线性关系,而BP网的任意非线性映射能力可以模拟这一复杂的函数关系。通过对误差复映模型的分析,采用加工前后的误差EE、EB,工艺系统刚度K系,工件硬度HBS, 进给量f作为BP网络的输入,第一、二次切深占总切深的比例P1、P2作为BP网络的输出。 2.BP算法的改进 针对标准BP算法训练时间长、不易收敛的缺点,根据本课题应用实 WP=66 际,结合附加动量法、自适应学习率和双极性S型压缩函数法,对BP算法进行了改进,使用效果良好。采用附加动量法修正网络权值,不仅考虑误差在梯度上的作用,而且考虑在误差曲面上变化趋势的影响,如同一个低通滤波器,使网络忽略微小变化,滑过局部极小值。在训练网络中,针对特定的问题,学习速率的选取往往比较盲目,学习速率太小,导致训练时间增长,学习速率太大,又可能引起训练瘫痪现象。为了解决这一问题采取自适应学习率的方法在训练中自动调整学习速率,保证网络总是以最大的可接受的学习速率进行训练,大大缩短了训练时间。本文利用MATLAB的神经网络工具箱, 用实例说明了结合附加动量法和自适应学习率改进后算法的优越性。 3.BP网络结构的确定 通过对实验数据采用不同网络结构进行训练,分析比较研究不同网络结构对训练结果的影响。确定BP网络的隐层数,各层神经元数,从而确定了BP网络的结构。采用两个隐层,第一、二隐层神经元数分别为15、12即 5-15-12-2的网络结构最为合理,具有较快的收敛速度和较小的训练误差,且不易出现过度匹配。 4.BP网络解决复映问题的研究 对BP网络进行训练后,用测试集测试它的泛化能力,观察测试结果与实际结果的差距,分析用BP网络解决机械加工中误差复映问题,实现加工参数优化的可行性。分析测试数据可知:用训练集训练BP网络可以很好地收敛,而用测试集测试网络时却有一定的误差,且当输入量靠近训练所用结点时误差很小,这说明训练集可能不够完备,即训练集可能没有完全覆盖整个实际的集合,但同时说明只要拥有比较完备的训练集(更多大量全面的实验或全面的经验数据),可以很好地用BP网络解决机械加工中的误差复映问题,实现加工参数优化。 5.偏心夹具的设计 根据实验需要,设计了一个简易的偏心连续可调夹具,它利用了棒料在车削中中心线相对车床主轴的变化,用很简单的方法实现了偏心的连续可调,在实验中效果良好。 6.图形用户界面的设计 利用MATLAB的GUI设计工具GUIDE设计了能够实现训练参数设定,训练网络和测试网络的图形用户界面。如图1所表示: WP=67 图1 “训练网络”主菜单项由四个子菜单项组成,主要完成训练参数设定、网络训练等功能。“输入加工条件和要求”主菜单项用于输入工艺系统刚度、进给量、加工前径向误差、加工后径向误差和工件硬度作为网络的输入。当单击“计算各次加工比例”菜单项可以正向计算输出第一、二次的加工比例。
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2004
【分类号】:TH161

【相似文献】
中国期刊全文数据库 前10条
1 ;美用DNA制造出首个人造神经网络[J];硅谷;2011年17期
2 佟铮;张友鹏;;基于BP神经网络的机车轮对故障诊断系统研究[J];铁路技术创新;2009年01期
3 黄莲花;李光明;;神经网络数据融合在车用传感器中的应用[J];装备制造技术;2011年08期
4 景利学;苏宏升;谢明军;冉鹏程;;电压型BUCK变换器控制策略研究[J];电气传动自动化;2011年04期
5 姜平;黄志鹏;;基于神经网络的公交客流预测[J];交通标准化;2008年13期
6 尹骏晖;李伶;杜青;;基于神经网络和柔度曲率的简支梁损伤识别[J];山西建筑;2011年21期
7 孙海龙;冯超;匙瑞堂;;滚动轴承状态监测[J];工业设计;2011年05期
8 杨鹤年;;机电一体化系统中的智能控制技术[J];煤炭技术;2011年07期
9 许杰;程锦房;何光进;;一种基于舰船磁场的神经网络识别模型[J];船电技术;2011年09期
10 蒯松岩;吴涛;代尚方;张旭隆;;基于RBF的无位置开关磁阻电机控制系统[J];电力电子技术;2011年07期
中国重要会议论文全文数据库 前10条
1 林大正;王行愚;;人工神经网络在物流预测中的应用[A];第二十三届中国控制会议论文集(下册)[C];2004年
2 尚钢;陈立耀;李卓球;王建平;;神经网络在梁体结构缺陷识别中的应用[A];第七届全国结构工程学术会议论文集(第Ⅰ卷)[C];1998年
3 张军;张潇潇;李大伟;;基于神经网络技术的手写数字识别[A];第七届全国信息获取与处理学术会议论文集[C];2009年
4 李青茹;吕振肃;张英林;庞鹏;;基于神经网络的模糊控制器[A];1998中国控制与决策学术年会论文集[C];1998年
5 朱双东;赵建国;;企业未来获利能力的智能评价方法[A];1999年中国智能自动化学术会议论文集(下册)[C];1999年
6 陈月军;王行愚;牛玉刚;;BP神经网络在证券市场预测中的应用[A];第二十三届中国控制会议论文集(下册)[C];2004年
7 吕国云;;人工神经网络在地下封闭爆炸地表运动规律探讨中的应用[A];第十届全国核电子学与核探测技术学术年会论文集[C];2000年
8 周像金;耿国华;周明全;朱翔;;基于BP神经网络和支持向量机的文物分类研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
9 曾干文;;采用神经网络的倒立摆计算机学习控制[A];1994中国控制与决策学术年会论文集[C];1994年
10 朱双东;顾忠民;赵建国;;基于神经网络的智能型黄疸鉴别诊断[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
中国重要报纸全文数据库 前10条
1 记者 陈青 通讯员 孙国根;揭示神经网络形成新机制[N];文汇报;2011年
2 于翔;数字神经网络中的协同应用[N];网络世界;2009年
3 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
4 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
7 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
8 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
9 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
10 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年
中国博士学位论文全文数据库 前10条
1 邵郅邛;连续感知器学习算法的有限收敛性及连续距离转换神经网络[D];大连理工大学;2005年
2 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
3 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
4 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
5 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年
6 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年
7 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年
8 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年
9 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年
10 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 易江义;神经网络PID控制在汽车发电机性能自动测试系统的应用[D];中南大学;2004年
2 田金鹏;前馈神经网络在自适应逆控制中的应用研究[D];郑州大学;2005年
3 刘全喜;基于模式识别原理的神经网络模拟电路故障诊断方法[D];湖南大学;2006年
4 杨隽;神经网络图像压缩算法的FPGA实现技术研究[D];西安科技大学;2009年
5 易晓梅;基于演化神经网络安全审计系统的研究与应用[D];浙江工业大学;2008年
6 段宏波;基于BP神经网络的中频电源平衡控制器的研究[D];西安科技大学;2005年
7 张睿;神经网络在土壤有机质直接测定中的应用研究[D];山西农业大学;2005年
8 许楠;基于神经网络的在线手写签名验证方法研究[D];武汉理工大学;2006年
9 高云;基于GA-BP网络的铁水硅含量预测系统[D];合肥工业大学;2006年
10 雷萍;汇率的非线性组合预测方法研究[D];河海大学;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026