基于fnn智能型磨削参数决策系统.docVIP

基于FNN智能型磨削参数决策系统 　　摘要：本文结合对磨削机理、模湖逻辑、神经网络的研究提出了一种基于FNN的智能型磨削参数决策系统。在这个系统中，首先由上层专家系统决策出初始磨削参数，然后由两个FNN单元对磨削参数进行修正。其中FNN1利用磨削结果对磨削参数进行修正，FNN2利用当前砂轮磨损状况对磨削参数进行修正。通过仿真试验表明该系统是可行的，并具有很强的适应能力。 　　关键词：模糊逻辑　神经网络　智能决策　磨削系统 FNN-based intelligent grinding parameter decision-making system 　　Abstract：Based on the research of grinding mechanism, fuzzy control and artificial neural network, a FNN-based intelligent grinding parameter decision-making system is proposed in this paper. In the system, grinding parameters are decided by upper-layer expert system, and then will be revised by two FNN units. Wheve one unit uses the actual results of grinding to repair these grinding parameters and another unit uses the current status of the grinder to repair them. So the suitable grinding parameters are obtained. By simulating, it has been proved that the grinding parameters decision-making system is feasible and has high adaptive ability. 　　Keywords：Fuzzy logic; Neural network; Grinding system; Intelligent decision-making 1　绪论 　　现代的制造技术正朝着柔性制造(FMS)、计算机集成制造(CIM)和智能制造(IM)等方向发展。其中智能制造(IM)更作为先进制造技术的重要内容而日益成为研究的热点。它旨在将智能控制的理论和方法引入制造过程，通过模拟人类专家的思维和推理活动，取代和延伸制造环境中的部分脑力，从而使制造系统能自动检测其运行状态和环境变化，在收到外界和内部激励时，能作出正确的判断和决策，以保证系统获得稳健的加工效果。 　　磨削加工的精度控制包括尺寸精度、形状与位置精度、表面质量等多方面。同其他的机械加工相比，磨削加工要求的精度更高，磨削机理更为复杂，尤其表现在表面质量上。在磨削过程中影响工作表面质量的因素非常多而且各个因素之间相互影响，表面质量完整性指标的在线测量也非常难，这就为数学模型的建立造成了极大的困难。工件表面质量完整性的评价又是靠人为经验来判定的，主观因素占很大的比重，为加工结果的评价造成了很大的困难。 　　针对传统磨削加工过程精度控制遇到的种种困难，我们提出将传统的专家推理机构同模糊神经网络相结合建立智能型磨削参数决策系统。在系统中利用专家系统对磨削参数初步决策，并在加工间隙及加工结束时对加工参数进行调节以及对知识库进行修正，使系统具有了很强的自适应能力和自学习能力，提高了磨削的精度和磨削效率并减小了磨削加工的误差。当机床和环境发生改变时能保证始终获得理想的加工效果。 2　磨削参数决策系统的构成 　　在传统的磨削系统中，速度参数始终为最初选定量，并不随着机床状况、砂轮状况、工件材质的变化而被调整。由于磨削参数并非最优，造成磨削效率低、磨削结果存在较大误差。但是由于磨削加工的机理非常复杂，影响磨削结果的参量较多，并且各个磨削参数之间相互影响，用传统的方法无法对磨削过程建模，致使传统的控制方法难于实现。 　　人工神经网络和模糊逻辑的出现为我们提出了新的思路，神经网络具有自适应、自学习能力强，对输入、输出参量的数量没有太多限制，三层网络可逼近任意复杂的非线性系统等优点。但是由于神经网络本身具有运算量大，容易陷入局部最小，迭代达到一定次数后收敛过程变得非常缓慢等缺点。因此尚无法将其用于精确量的实时控制。 　　一个基于模糊逻辑的系统是通过结构，通过隶属度函数及通过语言规则来精确地描述的。它不需要学习训练，但必须事先了解并分析系统的性能，而这一分析