基于人工神经网络凸轮轮廓插补算法研究.pdfVIP

第21卷第3期 机电产品开崖与 新 VO1．21．No．3 2008年5月 Development＆Innovation of Machinery＆Electrical Products May．，2008 基于人工神经网络凸轮轮廓插补算法研究 唐 锐 (攀枝花学院机电工程学院．Igt J~J攀枝花 617000) 摘 要：提出了一种利用人工神经网络的非线性逼近和自学习的能力，对凸轮轮廓进行曲线插补的方法， 理论研究和仿真试验表明，该方法插补速度快、精度高、能够满足实时插补的需要。 关键词：人工神经网络；插补；凸轮轮廓 中图分类号：TP18 文献标识码：A 文章编号：1002—6673(2008)03—190—02 0引言 (3)实际输 ： w = 凸轮机构广泛应用于各种机械设备．凸轮轮廓曲线 (4)误差的计算：E= 1Z(dj—yj) ，n一样本空间的容 随推杆的运动规律不同而异，变化多端。数控系统很难 ： _ 直接实现凸轮轮廓曲线的实时加工，通常的作法是用直 线或圆弧去逼近离散曲线。并求出节点坐标，然后用直 (5)网络权值的修正：△w=一 OE 一11 线或圆弧插补方式实现其数控加工，插补的精度低、速 度慢。而人工神经网络具有良好的非线性逼近能力和自 p(1一y ) 一dj) 学习能力。基于人工神经网络凸轮轮廓插补算法可以克 f∑Wije “ ，11一学习步长。通过不断的修 服传统插补方法的缺陷，能较好地实现凸轮轮廓曲线的 高速、高精度插补。 正网络权值，直至误差满足要求，网络的学习iJi J练就完 成，即可使用训练完的神经网络。 1人工神经网络基本原理及学习算法 层 ／ 根据Klomogorov定理可知，对任意的连续函数或映 只 ‘ 射关系，都存在一个三层前向反馈网络，可以任意精度 隐层 逼近连续函数或映射关系。因此凸轮的转角与升程角之 间的映射关系可采用人工神经网络算法进行逼近，采用 BP算法的多层前向反馈神经网络是目前使用最广泛、 输入层 最成熟的一种方法，具有平滑性、高精度性和拓展性好 的优点。 图1插补用神经网络模型 图2神经元示意图 BP神经网络由输入层、隐层、输出层三层神经元 图 1是典型的神经网络连接形式。每个神经元从它 组成。其具体参数和算法如下： 的输入连接接收信号，它的输出通过单元间的连接传递 (1)初始化网络阈值0i和各层之间连接参数W ； 到其他神经元。 其中：i一输出对应的神经元序号；i一输入所对应的神 图2是一神经元的示意图，图中表示其它神经元的 经元序号；p一层号。 输出为其它神经元与这个神经元连接的权重，0i一阈值。 (2)将输入x；和其对应的理想输出dl送人神经网络。 2 神经网络的数控插补步骤 收稿日期：2008—01—1O