计算机集成制造系统
計算機集成製造繫統
계산궤집성제조계통
COMPUTER INTEGRATED MANUFACTURING SYSTEMS
2013年
11期
2854-2863
,共10页
陈廉清%郭建亮%杨勋%迟军%赵霞
陳廉清%郭建亮%楊勛%遲軍%趙霞
진렴청%곽건량%양훈%지군%조하
进化神经网络%外圆磨削%粗糙度预测
進化神經網絡%外圓磨削%粗糙度預測
진화신경망락%외원마삭%조조도예측
evolutionary neural network%external cylindrical grinding%roughness prediction
针对外圆磨削中表面粗糙度的影响因素多、监测困难的问题,构建了表面粗糙度预测模型的开放式实验系统,在分析反向传播神经网络收敛速度慢、易陷入局部最小值等缺点的基础上,提出遗传算法与反向传播神经网络结合的表面粗糙度预测模型,利用遗传算法的全局搜索能力对反向传播神经网络的初始权值和阈值进行优化,详细说明了遗传算法和反向传播网络各参数的确定方法,并对比了相同网络结构下的反向传播预测模型和遗传算法-反向传播模型的预测性能.根据隐层节点计算经验公式,建立了四种基于遗传算法-反向传播网络结构的外圆纵向磨削表面粗糙度预测模型,通过对四种模型样本的预测精度检验,最终确定一种最优的预测模型结构.试验证明,遗传算法和反向传播网络的结合可以提高表面粗糙度预测模型的收敛速度和预测精度,满足智能磨削对表面粗糙度预测高效性、准确性的需求.
針對外圓磨削中錶麵粗糙度的影響因素多、鑑測睏難的問題,構建瞭錶麵粗糙度預測模型的開放式實驗繫統,在分析反嚮傳播神經網絡收斂速度慢、易陷入跼部最小值等缺點的基礎上,提齣遺傳算法與反嚮傳播神經網絡結閤的錶麵粗糙度預測模型,利用遺傳算法的全跼搜索能力對反嚮傳播神經網絡的初始權值和閾值進行優化,詳細說明瞭遺傳算法和反嚮傳播網絡各參數的確定方法,併對比瞭相同網絡結構下的反嚮傳播預測模型和遺傳算法-反嚮傳播模型的預測性能.根據隱層節點計算經驗公式,建立瞭四種基于遺傳算法-反嚮傳播網絡結構的外圓縱嚮磨削錶麵粗糙度預測模型,通過對四種模型樣本的預測精度檢驗,最終確定一種最優的預測模型結構.試驗證明,遺傳算法和反嚮傳播網絡的結閤可以提高錶麵粗糙度預測模型的收斂速度和預測精度,滿足智能磨削對錶麵粗糙度預測高效性、準確性的需求.
침대외원마삭중표면조조도적영향인소다、감측곤난적문제,구건료표면조조도예측모형적개방식실험계통,재분석반향전파신경망락수렴속도만、역함입국부최소치등결점적기출상,제출유전산법여반향전파신경망락결합적표면조조도예측모형,이용유전산법적전국수색능력대반향전파신경망락적초시권치화역치진행우화,상세설명료유전산법화반향전파망락각삼수적학정방법,병대비료상동망락결구하적반향전파예측모형화유전산법-반향전파모형적예측성능.근거은층절점계산경험공식,건립료사충기우유전산법-반향전파망락결구적외원종향마삭표면조조도예측모형,통과대사충모형양본적예측정도검험,최종학정일충최우적예측모형결구.시험증명,유전산법화반향전파망락적결합가이제고표면조조도예측모형적수렴속도화예측정도,만족지능마삭대표면조조도예측고효성、준학성적수구.
