基于改进PSO-BP网络的钻削刀具参数选择的研究.pdfVIP

第 13卷 第5期 哈 尔 滨 理 工 大 学 学 报 Vo1．13 No．5 2008年 10月 JOURNALHARBIN UNIV．SCI． TECH． Oct．，2007 基于改进 PSO—BP网络的钻削刀具 参数选择的研究 姚明明， 王培东， 周洪玉 (哈尔滨理工大学 计算机科学与技术学院，黑龙江 哈尔滨 150080) 摘 要：提 出了用非线性惯性因子∞改进的微粒群算法与BP神经网络相结合的方法，适当选 择钻削刀具的切削用量，克服了BP网络训练时间长，因易陷入局部最优点而不利于全局最优点搜 索的不足．通过相同的实验样本测试发现，与以前的BP和 GA—BP算法相比，训练时间分别缩短了 73s和21S，测试的正确率分别提高了O．83％和0．32％． 关键词：微粒群 ；BP神经网络；切削用量 ；钻削刀具 中图分类号：TG713 文献标识码：A 文章编号：1007—2683(2008)05—0057—04 SystematicResearchofDrillingParameterPreferencesBased onHybridAlgorithm ofPSO andBP YAO M tg—ming， WANGPei一(ng， ZHOUHong一，u (SchoolofComputerScienceandTechnology，HarbinUniversityofScienceandTechnoloyg，Harbin150080，China) Abstract：ThispaperproposescombiningBPNetworkandanimprovedParticleSwarm Optimizerwithnonlinear inertiafactor。tochoosedrillingtool’Scuttingdosage．Th ismethodresolvestheBPNetwork’slongtrainingtimeand difficultytosearchtheglobal minimum sinceplungingintolocalminimum．From thesameexperimentalsample，com— paredwithpreviousBParithmeticandGA．BParithmetic．thetrainingtimewiththisalgorithmhasbeenshortened73s and52srespectively．meanwhiletheaccurateratehas beenimproved0．83％and0．32％ respectively． Keywords：particleswarnloptimizer(PSO)；BPnetwork；cuttingdosage；drilltool 人工神经网络的知识获取与表示方法引入专家系 1 引 言 统，能从已有的实验数据中获得学习样本，具有 自学 习的特点，弥补了传统专家系统的不足．但是 BP算 金属切削加工技术是 目前制造业中主要的材料 法采用梯度法，难免会出现局部极小问题，而且网络 去除方式，而且正在由普通金属切削加工向高效高 训练的时间较长．文 [3]提出了用遗传算法优化神 速、高精密、复合化、微细化发展…．而采用合理的 经网络的连接权值及阈值的学习算法，这种方法保 切削加工参数可以充分发挥各种机床特别是数控加 证了全局寻优与收敛，提高了搜寻速度．但是，遗传 工机床以及切削刀具的功能． 算法中复杂的遗传操作 (如选择、交叉、变异)使神 为了更合