广工论文答辩绪论.ppt

柔性物料加工轨迹变形物元的建立 1.模糊神经网络物元模型 模糊神经网络与可拓学的融合 第四章 模糊神经网络结构评价 2. 柔性物料加工轨迹变形物元 模糊神经网络与可拓学的融合 柔性物料加工轨迹变形物元的建立 第四章 模糊神经网络结构评价 柔性物料加工轨迹变形评价指标权重的确定 层次分析法原理 层次分析法是一种多目标决策方法，主要用于多目标的优劣排序和权重确定。把复杂的问题分解成各个组成因素，按支配关系分组形成层次结构，通过两两比较确定层次中诸因素的相对重要性，构造出判断矩阵并求解，确定各因素的相对权重。 模糊神经网络与可拓学的融合 第四章 模糊神经网络结构评价 2. 层次分析法具体步骤 (1) 建立层次结构模型； (2) 构造判断矩阵； (3) 层次单排序及其一致性检验； (4) 层次总排序及其一致性检验。 模糊神经网络与可拓学的融合 柔性物料加工轨迹变形评价指标权重的确定 第四章 模糊神经网络结构评价 优度评价法在柔性物料加工轨迹变形中的应用 确定柔性物料加工待评物元 确定各指标的权系数 首次评价 建立关联函数，计算关联度 计算优度，确定最优方案 第四章 模糊神经网络结构评价 柔性物料加工轨迹的模糊神经网络仿真 绗缝加工是一个复杂、非线性、多变量耦合、时变的系统，加工中，处理的对象一般是非线性和复杂的，为了条件限制和处理问题的方便，使用下式给出的物元作为输入对象。 第四章 模糊神经网络结构评价 柔性物料加工轨迹的模糊神经网络物元 第四章 模糊神经网络结构评价 关联函数 关联度规范化 规范合格度 优度 第四章 模糊神经网络结构评价 学习速率为 。 采用两个输入变量采用随机方法在(-1，1)区间上产生400个数据对作为输入变量，输出变量来构成200组原始数据样本集作为网络学习的数据样本集。网络学习参数取动量因子为 , 模型为 柔性物料加工轨迹的模糊神经网络仿真 第四章 模糊神经网络结构评价 FNN效果曲线 FNN误差曲线 柔性物料加工轨迹的模糊神经网络仿真 第四章 模糊神经网络结构评价 FNN神经网络泛化测试曲线 柔性物料加工轨迹的模糊神经网络仿真 第四章 模糊神经网络结构评价 第五章 柔性物料加工轨迹的 FNNS优化及仿真 模糊神经网络的结构优化 柔性物料加工轨迹变形FNN的优度评价 柔性物料加工轨迹实例仿真 第五章 柔性物料加工轨迹的FNNS优化及仿真 柔性物料加工轨迹变形FNN的优度评价 1. 待评价的物元 权系数为 柔性物料加工轨迹实例仿真 图5-1 FNN神经网络拟合效果曲线 仿真实验基于柔性物料非线性加工轨迹变形模型，用优度评价法对方案进行评价选优，并仿真验证优度评价方法优化的有效性。 为了不失一般性，选用非线性随机函数进行学习验证： 第五章 柔性物料加工轨迹的FNNS优化及仿真 图5-2 FNN神经网络拟合误差曲线 图5-3 本文FNN神经网络拟合效果曲线 第五章 柔性物料加工轨迹的FNNS优化及仿真 图5-4 本文FNN神经网络拟合误差曲线 第五章 柔性物料加工轨迹的FNNS优化及仿真 图5-2的FNN算法的收敛速度较慢，经过260次学习后训练结束；图5-4为可拓评价优化后的误差曲线，经过164次学习后训练结束，网络训练步数减少，训练速度加快。图5-1和图5-3分别是优化前后的拟合曲线，图5-3拟合效果较好，通过优化的网络得出的拟合效果是令人满意的。 第五章 柔性物料加工轨迹的FNNS优化及仿真 结 论 根据柔性物料的非线性加工过程中的建模需要，分析了模糊神经网络的结构和优化方法，研究了可拓优度评价方法。将模糊神经网络技术与可拓评价相结合，提出可拓优度评价应用于模糊神经网络结构优化的方法，并进行仿真验证，为如何构建和优化模糊神经网络结构的问题提出了新的方法。 结 论 1. 将可拓学优度评价法应用于FNN优化中，并通过对FNN优化选优进行了实证研究，取得了合理的评价结果。 2. 对提出的FNN模型，给出了学习算法并进行了软件仿真，得到了满意的结果。 3. 优化后的网络具有更好的泛化能力，体现了神经网络与可拓学相结合的优越性和可行性。 4. 用关联度、优度等将定性评价转化为用实数表示的定量评价，提高了评价的准确性和可信度。 结 论 可拓优度评价方法评价FNN结构的研究与实现，在理论和实践方面有待进一步的深入： 1. 优度评价法涉及到各评价指标权重的确定，权重确定应用最广泛的是层次分析法。 2. FNN结构直接关系到FNN的逼近