C_2_10应用类神经模糊推论系统於铣床加工模型之预测.PDFVIP

國立高雄第一科技大學 機械與自動化工程系 碩士論文 應用類神經模糊推論系統於 銑床加工模型之預測 研 究 生：林春欉 指導教授：周至宏 博士 林栢村 博士 中 華 民 國 九 十 五 年 元 月 應用類神經模糊推論系統於銑床加工模型之預測 Application of Adaptive Network-Based Fuzzy Inference System to Predict Milling Model 研 究 生：林春欉Chun-Chung Lin 指導教授：周至宏 Jyh-Horng Chou 栢村 林 Bor-Tsuen Lin 國立高雄第一科技大學 機械與自動化工程系 碩士論文 A Thesis Submitted to Department of Mechanical and Automation Engineering National Kaohsiung First University of Science and Technology In Partial Fulfillment of the Requirements For the Degree of Master In Mechanical and Automation Engineering January 2006 Yenchao, Kaohsiung, Taiwan, Republic of China 中華民國九十五年元月 摘要 本論文以實驗的方式進行端銑刀銑床銑削加工中心線平均表面粗糙度 數據之蒐集，透過自適應類神經模糊推論系統的訓練與測試，來完成預測 模型的建構，實驗中以主軸轉速、進給速率和切削深度為輸入變數，中心 線平均表面粗糙度為輸出變數。在本論文中，所應用的自適應類神經模糊 推論系統，其前鑑部使用高斯歸屬函數，後鑑部使用Takagi-Sugeno (TS)模 糊模型來推論，並以網格分割法來分割模糊空間，複合式學習演算法來訓 練各模糊規則的前鑑部高斯歸屬函數的參數和後鑑部線性方程式的參數。 在網路參數訓練的過程中，後鑑部線性方程式的參數在最小平方法矩陣維 度的限制條件之下，分別探討以網格分割成各種不同模糊空間，其一次線 性方程式和零次線性方程式對網路參數訓練完成後的輸出結果，和所蒐集 的訓練數據之間的誤差的影響。經網路參數訓練結果顯示，將模糊空間分 割成4×4×2(主軸轉速4空間×進給速率4空間×銑削深度2空間)，同時後鑑部線 性方程式為零次線性方程式的誤差最小，為最佳選擇，其訓練誤差為 0.193028，測試誤差為0.443593。最後，在同一模糊空間下，以後鑑部線性 方程式為零次線性方程式來比較複合式學習演算法和倒傳遞演算法的參數 訓練效果，結果顯示複合式學習演算法的誤差較小，有較佳的效果。 I Abstract This thesis presents a prediction model archived by the experiment which collects the data of the average milling surface roughness on center line at end mill, and trained and tested