基于人工神经网络的轴类零件校直系统的研究

【摘要】： 轴类零件是机械装置中的重要组成部分,其弯曲变形普遍存在,为了获取下道工序所允许的最小切削量、减少废件、提高成品率、节约加工和原材料的成本和保证工件达到严格的最终设计公差要求,使用校直机械进行合理的校直成了这些产品必不可少的工艺步骤。 本文在现有文献和研究的基础上,采用金属弹塑性弯曲理论,建立了轴类零件校直模型,分析了轴类零件在校直过程中的弯矩、曲率及挠度变化过程,推导了行程控制的校直计算方法。以合肥工业大学研制的YH40-25为例,通过对传统通用型校直系统的介绍和构建和分析,指出了该类系统的优越性及局限性;在此基础上,提出了以人工神经网络技术为蓝本,建立起一套完整的具有很强自适应性和自学习性的校直系统,它既能继承传统校直系统在伺服控制方面的良好表现,又能克服传统系统的局限性。 论文随后通过对神经网络理论的研究,选定了以BP网络算法为基础算法,按实际要求确定了网络结构和各项网络参数,并通过对以往成功校直样本的学习建立了一个完整的神经网络。该神经网络作为校直系统的核心部分可以针对不同的校直参量的输入迅速而准确的产生合理的校直策略。最后在Matlab软件中进行的仿真结果表明,文章建立的基于人工神经网络的校直系统准确快捷能够很好的产生校直策略指导校直工艺。