基于人工神经网络的加工参数优化*

Page 1

基于人工神经网络的加工参数优化*　刘绍婕张怀存宋玉金北京机械工业学院机械工程系　　北京　１０００８５　　摘要　运用神经网络对加工参数和其各种影响因素进行建模　在神经网络的智能化选择中　采用了附加动量项的ＢＰ算法　解决了收敛速度慢和易限于局部极小等问题　主要针对钻削加工进行网络结构的确定以及实际网络训练过程中　归一　反归一处理的问题进行了研究　　试验表明　这种方法具有可行性　在生产中具有较高的实用价值　　关键词：　ＢＰ算法　　切削参数　　归一化　０　　前言　金属切削加工参数的选择对产品零件的质量　加工的生产率和经济效益具有重要的影响　然而影响切削用量的因素繁多　各因素之间又相互交叉　相互制约　目前主要采用根据经验来确定　计算机辅助优化切削数据的程序系统　利用计算机技术做成各种切削数据库等方法　这些切削用量的确定方法在求解的快速性和准确性方面受到一定的限制　在实时的控制切削用量　实现机器智能化选取切削参数的应用上有较大的困难　而神经网络可用于代替人类基于经验的决策行为金属切削加工中用量的选择受多种因素的影响　运用神经网络的输入输出非线性映射能力　建立切削用量和各种影响因素之间的神经网络映射模型　采用机床的运行数据进行学习　自动寻找规律并分布贮存于神经网络的权值中　运行时对切削条件参数计算求解出最佳切削用量　本文以钻削为例进行神经网络的切削用量智能化选择的研究１　改进的ＢＰ算法　１．１　神经网络的结构和ＢＰ算法的原理　 BP 神经元网络模型的结构如图 1 所示误差反传　学习算法　　　　　　　　　　　　　　　　 1 x 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 1 y 　 2 x 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 n y 　 m x 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　输入层隐藏层输出层图１　　ＢＰ网络模型结构　 BP 算法实质上就是把一组样本输入输出问题转化为一个非线性优化的问题　并通过优化算法利用迭代运算求解权值问题的一种学习方法 BP 神经元网络的学习过程是由正向传播和反向传播两部分组成　在正向传播过程中　输入信息从输入层经过隐藏层逐层处理　并传向输出层　每层神经元状态

下一页

文档基本属性
文档格式：	PDF
文档标题：	基于人工神经网络的加工参数优化*
文档作者：	csj
关键词：
主题：
单位：
文档创建者：	Microsoft Word
创建时间：
上次保存时间：	D:20030909145312+08'00'
修订：	Acrobat PDFWriter 4.0 for Windows
点击这里显示更多文档属性
文档语言：
经理：
备注：
分类：
上次保存者：
修订次数：
编辑时间：
加密标识：
幻灯片：
段落数：
字节数：
备注：
演示格式：