基于改进BP神经网络的车削加工精度预测.pdfVIP

第31卷第 1O期 煤 矿 机 械 V01．3lNo．1O 2010年 1O月 CoalMineMachinery 0ct．2010 基于改进BP神经网络的车削加工精度预测 刘天舒 。王福林 (东北农业 大学 工程学院 ，哈尔滨 150030) 摘 要 ：针对标准 BP神经网络收敛速度慢 ，容 易陷入局部极小等缺陷，采用改变传递函数和 改变学习率寻找最优权 2种方法对其改进。通过分析车削零件表面粗糙度的影响因素，应用改进 的BP神经网络 ．借助计算机编程计算，进行车削加工的精度预测。仿真结果表明，此方法能够达到 较好 的预测效果 。 关键词：BP神经网络 ；传递函数 ；学习率；零件表面粗糙度 中图分类号：TH161；TG51 文献标志码 ：A 文章编号：1003—0794(2010)10—0115—03 TurningAccuracyPredictionBasedonEvolutionaryBPNeuralNetwork LIU Tian-shu。W ANG Fu-lin (SchoolofEngineering，NortheastAgriculturalUniversity，Harbin150030，China) Abstract：InordertoconquertheflawsofBackPropagationmodel，suchasslow convergencespeed andeasilyfallingintolocalminimum point，twomethods—changetransferfunctionandstudyratewere used，togetaevolutionaryneuralnetwork．Troughthecalculationbycomputerandanalyzingthefactors which influencethesurfaceroughnessofparts，theturning accuracywaspredicted．Theprediction resultbythiswayissatisfying． Keywords：BPneuralnetwork；transferfunction；studyrate；surfaceroughnessofparts 1 BP神经网络的算法及结构 f ()=∑(WjkYjp)．j}=(1，2，…，m) (1) BP神经网络是一种多层前馈网络 的反 向传播 J=1 学习算法 。由正 向传播和反向传播组成 。网络结构 样本p在第k层节点的输出 由输入层、隐层、输 出层组成 ．单隐层的神经网络结 Ykp(t)=f[Xkp(t)一刎 =(1，2，…，m) (2) 构如图 1。 式中 神经元阈值 ： Z——隐层节点数： -厂(·)——神经网络的激励函数； — — 第 k层与第 层的连接权重 。 (4)计算网络训练总误差 。 总误差 图1BP网络结构图