基于神经网络的数控机床结合面动态特性参数建模与仿真.pdf

《基于神经网络的数控机床结合面动态特性参数建模与仿真.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、设计与研究DesignandResea『cn基于神经网络的数控机床结合面动态特性参数建模与仿真周喜峰汪惠芬刘婷婷(南京理工大学机械工程学院，江苏南京210094)摘要：采用LM算法建立了固定结合面动态特性参数预测的神经网络模型，在模型中考虑到了影响结合面特性的各个参数，选取结合面特性试验数据对神经网络进行训练，用训练好的网络对结合面特性参数进行仿真。结果表明。用BP神经网络方法建立的结合面动态特性模型能够对结合面动态特性参数进行准确的预测。关键词：结合面动态特性神经网络仿真预测中图分类号：TP274文献标识码：BSimulati

2、onandmodelingofdynamiccharacteristicsofCNCmachinetoolfixjointbasedonneuralnetworkZHOUXi~ng，WANGHuifen，LIUTingting(SchoolofMechanicalEngineering，NaingUniversityofScience&Technology，Nanjing210094，CHN)Abstract：TheBPneuralnetworkmodelwasestablishedforpredictingdynamiccha

3、racteristicsoffixjointbyusingLMalgorithminthispaper．Theeffectivefactorsofdynamiccharacteristicsoffixjointwereconsideredinthismodel，andthentheestablishedneuralnetworkmodelwastrainedbychoosingalargenumberofexperimentaldataofdynamiccharacteristicsoffixjoint．Intheend，the

4、trainedneuralnetworkmodelwasusedtosimulatethedynamiccharacteristicsoffixjoint．ResultsofsimulationshowthatthedynamiccharacteristicsoffixjointmodelusingtheBPneuralnetworkmethodcanpredictthedynamiccharacter-isticsoffixjointexactly．Keywords：TheDynamicCharacteristicsofFix

5、Joint；BPNeuralNetwork；Simulate；Predict由于机床零部件问存在着结合面，结合面问既储面的动态基础特性参数——刚度和阻尼，并建立相应存能量又消耗能量的“柔性”本质极大地影响着机床的基础特性参数的计算表达式。但是，该方法的缺整机的静、动态特性。结合面问的刚度与阻尼，尤其是点是：影响结合面特性参数因素太多，需要大量的资料阻尼，往往比结构本身的弹性和阻尼还大。目前，机床积累，还会受到公式使用条件的限制，只能在满足特定整机特性的解析值与实验值差达50％左右。因此，研条件的情况下才能使用。所以，在结合面作用

6、机理还究和掌握结合面的动态特性参数，将会为机床结构乃未被真正揭示之前，要在理论上精确获得结合面特性至各类机械结构的动态优化设计提供必要的理论基参数的理论表达式还是非常困难的。础¨。研究表明，影响结合面动态特性参数(刚度，人工神经网络理论的提出与发展为我们提供了一阻尼)的因素很多，主要有结合面材料、结合面加工方种有力的工具，其具有良好的非线性映射能力，相对于法、结合面加工质量、结合面间的介质、结合面的面压传统的数据处理方法，它更适合处理模糊的、非线性等等，大多因素的影响规律都是非线性的，而且各因素之不明显问题J。固定结合面动态特性

7、基础参数受多间又存在着相互影响。理论计算法是针对机械结构中种因素影响，且很多因素是非线性、模糊的，适合用人各种典型结合面，通过理论分析及动态测试，得到结合工神经网络。本文运用人工神经网络方法对结合面动“高档数控机床与基础制造装备”科技重大专项(2009ZX04014—036)‘ul·筹0DesignandResea设计与研究态参数进行了研究，并建立了结合面动态特性参数的在求解实际问题时，常因收敛速度太慢而影响求解质预测模型。量。拟牛顿法虽然收敛速度比梯度下降法快，但其计算较复杂。标准的BP网络算法具有思路清晰，结构1结合面动态特

8、性建模严谨，可操作性强等特点，而且1个3层BP网络可以1．1建模过程分析完成任意n维到m维的映射，但其收敛过程中存在以常用神经网络的类型有线性神经网络、BP神经网下两个缺陷：①收敛速度慢；②存在所谓“局部最小络、Hopfield网络等。BP神经网络(Back-P