汽车钥匙盖盖注射工艺及模具设计

汽车钥匙盖盖注射工艺及模具设计

ID:15332645

大小:211.00 KB

页数:135页

时间:2018-08-02

汽车钥匙盖盖注射工艺及模具设计_第1页
汽车钥匙盖盖注射工艺及模具设计_第2页
汽车钥匙盖盖注射工艺及模具设计_第3页
汽车钥匙盖盖注射工艺及模具设计_第4页
汽车钥匙盖盖注射工艺及模具设计_第5页
资源描述:

《汽车钥匙盖盖注射工艺及模具设计》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、汽车钥匙盖盖注射工艺及模具设计1、相关定义1.1、神经网络的基本概念2.3.2.1人工神经元的模型神经网络由大量的神经元连接而成,因此神经元是组成神经网络的基本单元。图2.3所示为模拟生物神经元而构成的人工神经元的典型结构模型。图中,x1,x2,,xn分别代表来自其它神经元轴突的输入,wj1,wj2,...,wjn分别表示神经元1,2,...,n与第j个神经元突触的联结强度,即权值。正权值表示兴奋型突触;负权值表示抑制型突触。θj为阈值,一般接置固定偏置+1。该模型是生物神经元的一阶近似,只模仿了生物神经元所具有的大

2、约150多个功能中的最基本,也是最重要的三个,即:加权、求和与转移等功能[43]。⒈加权功能加权功能即对每个输入信号进行程度不等的加权,图2.3中对结点j输入向量[]Tx=x1x2...xn的权向量为wj=[wj1wj2...wjn]。x0=1θjyjwj1wj2wjnx1x2xnsjf(?)j图2.3人工神经元的典型结构模型14⒉求和功能求和功能用于确定结点j的全部输入信号的组合效果,即结点j的净输入sj,可用式(2.1)来定义。()jnisj=∑wjixi+j=+θ=wjx1θ(2.1)若令x0=1,wj0=θj

3、,x及wj包括x0及wj0,即:[]Tx=x0x1x2....xn[]wj=wj0wj1wj2....wjn于是,结点j的净输入sj又可用式(2.2)表达。=∑()=wjx=nisjwjixi0(2.2)⒊转移功能转移功能即通过激活函数f(?),确定结点j的输出yj。yj=f(sj)(2.3)激活函数f(?)有以下三种常见形式:⑴阈值函数f(s)=???10,,ss≥?≤≤?xj和xi>xi时,突触权值wij增强;而当xj>xj和xi>xi不同时成立时,突触权值wij减小。⒉纠错学习wij表示神经元xj到xi的突触权

4、值,在学习步骤为I时对突触的权值调整为IiIIΔwij=ηex(2.9)η为学习速率参数。公式表明对神经元突触权值的调整与突触误差信号和输入信号成比例。纠错学习是局部的,Delta规则所规定的的突触调整局限于神经元i的周围。得到ΔwiIj之后,定义突触权值的校正值为:IijIijIwij=w+Δw(2.10)⒊基于记忆的学习在基于记忆的学习中,过去的学习结果被存储在一个大的容器中,当输入一个新的测试向量xtest时,学习过程就是将xtest归到已存储的某个类中,其算法包括两个部分:定义xtest的局部邻域的标准;用于

5、在xtest的局部邻域训练样本的学图2.8单层全连接反馈网络[49]输入输出18习规则。一种简单有效的基于记忆的学习算法就是最近邻域规则。设存储器中所记忆的某一类l1含有向量{}xn∈x1,x2,xN,如果()()miindxi,xtest=dxN,xtest成立,则xtest属于l1类。其中()dxi,xtest是向量xi与xtest的欧式距离。⒋随机学习算法随机学习算法也称为Boltzmann学习规则,它是由统计力学思想而来的,在Boltzmann学习规则基础上设计出的神经网络称为Boltzmann机,其学习算法

6、实质上就是著名的模拟退火(SimulatedAnealing,SA)算法。⒌竞争学习在竞争学习中,神经网络的输出神经元之间互相竞争,在任一时间只能有一个输出神经元是活性的。而在基于Hebbian学习的神经网络中几个输出神经元可能同时是活性的。在竞争学习的最简单形式中,神经网络有一个单层的输出神经元,每个输出神经元都与输入节点全相连,输出神经元之间全互连。对于一个指定输入模式x,一个神经元i成为获胜神经元,则它的感应局部区域vi大于网络中其它神经元的感应局部区域。获胜神经元i的输出信号yi被置为1,所有竞争失败神经元的

7、输出信号被置为0。即yi=???1,νi0,>ν其j,它j≠i(2.11)令wij为输入xj与某个神经元i的突触权值,假设分配给每个神经元固定数量的突触权重,即wij∑ij=1,对所有,如果一个特定的神经元i在竞争中获胜,则这个神经元的每一个输入节点都放弃输入权值的一部分,并且放弃的权值平均分布在活性输入节点之中。根据标准竞争学习规则,突触权值的变化定义为Δwij=???η(xj0?,wij如),果如神果经神元i经在元i竞在争竞中争失中败获胜(2.12)η是学习速率参数。这个规则可以使获胜神经元i的突触权重向量wij

8、向输入模式xjt转移。1.2、分析步的定义此模拟过程共有3个分析步,分析步类型为默认的Static,General,把Nlgeom都设为On。分析步1:将板料中面的端点沿竖直方向的位移固定,防止板料初始移动,在压边圈顶面上设置一垂直向下的速度v2=0.0001mm/s,这个速度很小,是为了使压边圈70第6章模具寿命预测更好的与板料相接触。此分析

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。