用于优化机械加工参数的神经网络模型-吉林大学学报.pdf

第 34 卷第2 期 Vol. 34 No.2 吉林大学学报(工学版) 2004 年 4 月 Joumal of Jilin University (Engineering and Technology Edition) Ap r. 2004 文章编号:1671- 5497(2004)02 - 0244 -04 用于优化机械加工参数的神经网络模型 朱喜林，吴博达，武星星 (吉林大学机械科学与工程学院，吉林长春 130022) 摘 要:通过分析误差复映问题的模型，比较了各种神经网络的特点，确定了用于优化机械加 工参数的神经网络模型。对该神经网络训练后，可根据各种加工条件和要求得到需要的加工 次数及各次的加工余量。 关键词:神经网络;误差复映;参数优化;BP 网络 中图分类号:TP183 文献标识码:A Neural network model for optimizing machining parameters ZHU Xi-l巾 ， WU Bo-da , WU Xing-xing (College of Mechanical Science and Engineering , }ilin University , Changchun , 130022 , China) Abstract: Based on the comparison among the characteristics of different neural networks , a neural network model for optimizing machining parameters was proposed through the analysis of the errors reflecting phenomena in machining. Such a kind of neural network model having been trained can be used to determine the required process times and the process redundancy of each time when process conditions and process requirements are given. The machining paramet巳rs are optimized in this way. Key words: neural network; error reflection; parameter optimizing; BP network 在机械加工过程中，毛坯的尺寸和形位误差、装卡的偏心等都会导致工件加工余量变化，余量变化 和工件的材质不均匀等都会引起切削力变化，使工艺系统变形(让刀量)发生变化而产生加工误差，此即 机械加工中的误差复映现象。由于误差复映系数总是小于 1 ，分多次加工，每次加工取适当的加工余量 可以减小误差复映引起的加工误差。而目前这些加工参数的选择主要靠工人的经验，存在很大的盲目 性和偏差。人工神经网络(ANN)可以模仿大脑神经网络结构和功能，以其高度的并行性和非线形全局 作用、良好的容错性与联想记忆功能、强大的自适应学习功能，在模式识别、模式分类、函数逼近、图像处 理、信号处理、容错计算等领域得到了广泛的应用。利用神经网络的学习能力，学习人的经验可以实现 机械加工参数的优化选择。作者通过对机械加工中误差复映模型的分析，比较目前发展成熟的各种神 经网络模型的特点确定了合适的神经网络模型。采用训练后的该模型神经网络可以得到满足加工要求 的加工次数及各次的加工余量，从而实现加工参数的优化[1 寸]。 收稿日期 :2003-07.28 作者简介:朱喜林(1959 一) ，男，教授，博士生导师. E-mail:xlzhu@emai l.jlu.edu.cn 通讯联系人:吴博达(1950 - )，男，教授，博士生导师 E-mail: bdw