基于ACO—BP神经网络的刀具寿命预测.pdfVIP

2009焦 11月 机 械 科 学 与 技 术 November 2009 第 28卷 第 11期 MechanicalScienceandTechnologyforAerospaceEngineering Vo1．28 No．11 基于ACO—BP神经网络的刀具寿命预测 黄 媛，孙树栋，李兢尧 (西北工业大学 系统集成与工程管理研究所 、 现代设计与集成制造教育部重点实验室 。西安 710072) 黄 媛 摘 要：刀具使用寿命会直接影响刀具需求计划制定、刀具生产准备以及切削参数制定等。然而， 由于刀具使用寿命的影响因素众多，目前虽然有多种刀具使用寿命 的预测方法，但这些方法存在结 果准确性不佳或对新材料新工艺无从入手等缺陷，均无法对刀具使用寿命进行有效快捷的准确预 测。采用人工神经网络技术，针对反向传播算法存在收敛速度慢、容 易陷入局部极小值 、全局搜 索 能力弱等缺陷，采用蚁群优化算法(ACO)训练BP神经网络 ，建立了基于ACO-BP算法的铣 刀寿命 预测神经网络模型，在兼顾 网络学习速度的同时保证 了模型的全局搜索能力及鲁棒性。 关 键 词：刀具寿命 ；神经网络 ；ACO-BP 中图分类号：TPI83 文献标识码：A 文章编号 ：1003—8728(2009)11—1517-05 PredictionofCuttingToolLifeBasedonAC0．BP NeuralNetwork HuangYuan，SunShudong，LiJingyao (InstitutionofSystemIntegrationandEngineeringManagementandKeyLaboratoryof ContemporaryDesignandIntegratedManufaeturingTechnology，NorthwesternPolytechnicalUniversity，Xian710072) Abstract：Thetoolusefullifewilldirectlyaffecttheestablishmentoftoolsrequirementplan，manufacturingprepa— rationbagandtheoptimizationofcuttingparameters．Duetothepooraccuracyofcalculationresultandthedifficul· tyofcalculationfornewmaterialsandnew technologies，traditionalmethodsareunabletocarryoutefficientandef- fectivetoollifeprediction．Artificialneuralnetworkwasintroducedtopredictthecuttingtoollife．Intheprediction process，thereweresomedisadvantagesinthebackpropagation(BP)algorithm，suchaslowconvergencespeed， easilyfallingintolocalminimum pointand weakglobalsearchcapability．Therefore，theantcolonyoptimization (ACO)algorithmisusedtotrainBPneuralnetworkandbuildtheACO—BPneuralnetwork-basedpredictionmodel ofcuttingtoollifewhichsatisfiestherequirementofglobalsearchcapabilityrobustnessofrthemode1． Keywords：cuttingtoollife；neuralnetwork；ACO—BP 制造企业的刀具品种繁多、数量庞大 ，其