BP神经网络及其在磨削力序列预测中的应用.pdfVIP

维普资讯 42 《金刚石与磨料磨具I程》 BP神经网络及其在磨削力序列预测中的应用 100083 北京航空航天大学 黄 伟 530004 广西大学机械工程学院 谢红梅 摘要 特人I神经网络 (ANN)技术引入磨削加I领域，研究磨荆力在砂轮磨钝过程 中随金属磨除量变化序列的 神经网络预测模型。实例计算结果与传统回归法结果的对 比，证明该预测方法是可行的。 主题词 神经网络 磨削力 预测 在磨削加工过程中，磨削力是表征磨削情况的一个 是个十分复杂的问题 ，因为还没有很好的解析表达式用 重要参数。它的存在 ，不仅影响系统的变形 ，而且也是 于计算。隐含单元个数越多，精度越高，但训练网络所 磨削过程中造成能量损耗、产生磨削热量及磨削振动的 需时间就越 多。因此在选取隐含单元个数时既要保证 主要原因。磨削力 的大小在磨削过程中随着磨削时间 一 定的精度 ，又要达到一定的训练速度。Arai提出(P— 的增长而增大。这将引起磨削质量指标的变化，难以保 1)个踌单元是满足任意精度的必要条件，其中P为样本 证加工要求。因此，对磨削力进行预测和控制是很有必 组数。在本预测问题中，磨削力的原始数据分为三组样 要 的。 本 ，取隐含单元个数为3 传统的磨削力预测方法是采用回归分析建立经验 在确定了网络结构后 ，Bp网络的学习算法过程如 公式，然后根据经验公式进行趋势外推。磨削力的经验 下 公式通常采用幂函数的形式建立，如磨削时间与磨削力 (1)初始化权重和阀值。 的关系用 ．：at表示。经验公式要取得较高精度 的 (2)在 P个学习样本中，按顺序输^样本数据。 预测值，必须用较多的原始数据来确定式中的参数，工 (3)计算 ≈…Y 其 中： 作量相当大。 ^ ^ 人工神经网络(ANN)技术近年来得到很大发展 ，已 0=，(∑OgjiXi) Y l厂(∑ 晒) 应用于许多工程领域。由于人工神经 网络模型神经元 (4)按以下公式计算输出层、隐含层误差分别为： 之间的非线性 ，使得模型具有较高的精度。本文将用人 c ={(I一y)y：(1一)) 工神经网络模型对磨削力随砂轮上金属磨除量序列变 — I ． 化的值进行预测分析 ，并与回归分析结果进行了对比。 B =告∑cP[p(1一 )‘ l 神经网络建模 (5)PI：PI+1，如果 P1P，返回步骤 (2)，如果 典型 B口神经网络如图 1所示。 P1=P，进行下一步的计算。 序列值的预测模型采用输^层含四个输^神经元 ，