資源描述：
《基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的磨削力預測.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、第1期機械設計與制造2013年1月MachineryDesign&Manufacture227基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的磨削力預測劉學士，肖旭，戴勇(浙江工業(yè)大學機電學院，浙江杭州310014)摘要：為了克服傳統(tǒng)BP神經(jīng)網(wǎng)絡的學習速率慢、容易陷入局部極小點等缺點，采用遺傳算法對BP神經(jīng)網(wǎng)絡的初值空間進行遺傳優(yōu)化。用遺傳算法來優(yōu)化BP神經(jīng)網(wǎng)絡的權重和閾值，得到最佳的初始權值矩陣，并按誤差前向反饋算法沿負梯度方向搜索進行網(wǎng)絡學習的方法對磨削力進行預測。根據(jù)磨削力實驗數(shù)據(jù)對網(wǎng)絡進行訓練，仿真結果表明該模型可以精確的描述砂輪速度、工件速度、磨削深度對磨削力的影響，并
2、可以用有限的實驗數(shù)據(jù)得出整個工作范圍內(nèi)磨削力的預測值。關鍵詞：遺傳算法：BP神經(jīng)網(wǎng)絡；磨削力中圖分類號：TH16；TG580．1+3文獻標識碼：A文章編號：1001—3997(2013)01—0227—03BPNeuralNetworkBasedonGeneticAlgorithmforPredictionofGrindingForceLIUXue—shi，XIAOXu，DAIYong(MechanicalEngineeringofZhejiangUniversityoftechnology，ZhejiangHangzhou310014，China)Abstra
3、ct：InviewofthatBPneuralnetworkhasthedisadvantageofslowlyleaningrateandbeingeasaystackedintotheminimalvaluelocally，theGeneticAlgorithmWasutilizedtooptimizetheinitial-valuespaceofBPneuralnetwork．Theoptimalinitialweight-valuematr~WasobtainedbyusingGeneticalgorithmtOoptimizetheweight-val
4、ueandthresholdofBPneuralnetwork，andthemethodofnetworklearningWasanalyzedbyusingtheerror-forward-feedbackalgorithmwithnegativegradientsearching．ThenetworktrainingWascarriedoutbyexperimentofgrindingforcedata，andthesimulatwnresuhsshowthatthemodelcouldaccuratelydescribetheeffectofwheel’s
5、speed．workingspeedandgrindingdepthongrindingforce．ThepredictionofgrindingforceintheworkingrangeCanbeobtainedbyusinglimitedexperimentdataKeyWords：GeneticAlgorithm；BPNeuralNetwork；GrindingForce1引言在實際工程中由于磨削加工過程中影響磨削力的各個因素錯綜復雜，而現(xiàn)有的理論公式都是建立在許多假設之上，不足以在磨削加工過程中，砂輪的磨耗和鈍化對磨削質(zhì)量具有直應用到工程中。磨削力經(jīng)驗
6、公式的建構方法簡單，但其適用度范接的影響，磨粒逐漸磨鈍而失去切削能力，若繼續(xù)磨削就會增加圍窄，需要做大量的試驗，成本高。BP神經(jīng)網(wǎng)絡的學習收斂速度砂輪與工件之間的摩擦而發(fā)熱，磨削質(zhì)量將顯著下降1。同時由于慢、不能保證收斂到全局最小點，在實際應用中仍不夠完善。由于砂輪的磨損，砂輪表面摩擦系數(shù)及磨削深度會發(fā)生顯著變化，影遺傳算法具有很強的宏觀搜索能力和良好的全局優(yōu)化性能，通過響磨削力的變化。由于磨削力易于監(jiān)測，可以通過對磨削力的檢采用遺傳算法先對神經(jīng)網(wǎng)絡的權重和閾值進行優(yōu)化，再利用BP測間接預測砂輪的磨攢情況，進而對砂輪進行補償或修整。網(wǎng)絡來進行精確求解的方法建立模
7、型，可以避免局部極小問題，關于磨削力的模型的研究，國內(nèi)外已有不少學術成果。提高磨削力模型的預測精度。WERNER從砂輪上磨粒的幾何分布及磨削過程的運動學人手，建立了單位磨削寬度磨削力的數(shù)學模型。MALKIN四通過對磨削2遺傳BP神經(jīng)網(wǎng)絡的磨削力預測建模力和砂輪磨損平面面積關系的試驗的基礎上，將磨削力劃分為切2．1遺傳一BP神經(jīng)網(wǎng)絡應用原理削力和摩擦力兩部分。文獻1=i生WERNER和MALKIN的基礎上遺傳是模擬達爾文的遺傳選擇和自然淘汰的生物進化模型，分析了磨粒切削刃的切削力與磨粒磨削的關系，進一步完善了單它首先將問題求解表示成編碼基因型，從中選取適應環(huán)境的個
8、位寬度砂輪磨削力的數(shù)學模
