基于BP神经网络的锁模机构运行振动量的预测.pdf

《基于BP神经网络的锁模机构运行振动量的预测.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、DOI：10．3969／j．issn．1009-9492．2016．01．015基于BP神经网络的锁模机构运行振动量的预测曾凡，郑文，李涉，胡鉴源(广州大学机械与电气工程学院，广东广州510006)摘要：利用BP神经网络建立吹瓶机锁模机构的运行参数的优化模型，通过BpSs~经网络模型结构的确定、BP神经网络模型的训练和BP神经网络模型的验证，预测出最优参数组合下锁模机构运行过程中的振动量，与现场实际测试结果进行对比，得到锁模机构的最优运行参数，节约资源，降低生产成本，指导实际生产。关键词：BP神经网络；锁模机构；优化模型；振动量中图分类号：TP183文献标识码：A文章编号

2、：1009—9492(2016)O1—0057—04PredictionoftheVibrationoftheLockMechanismBasedonBPNeuralNetworkZENGFan，ZHENGWen，LIShe，HUJian—yuan(MechanicalandElectricalEngineeringDepartment，GuangzhouUniversity，Guangzhou510006，China)Abstract：Thispaperestablishedanoperatingparametersoptimizationmodelofbottlebl

3、owingmachineclampingmechanismbyusingBPneuralnetwork，includingthedeterminationofnetworkmodelstructure，thetrainingofthenetworkmodel，theverificationofnetworkmode1．FinallypredictthevibrationquantityundertheoptimaloperationparameterscombinationbyusingtheestablishedBPneuralnetwork．Throughwithth

4、eactualtestresults，obtaintheoptimaloperationparametersofclampingmechanism．Itcansaveresources，reducetheproductioncost．Soithasacertainguidanceinpracticalproduction．Keywor~：BPneuralnetwork；lockingmechanism；optimizationmodel；vibration0引言问题，减少锁模机构运行过程中的振动，降低噪塑料作为一种新型材料，与木材、钢材和水声，从而提高设备的实用性和运行的

5、稳定性，保泥合称四大基础材料，且其使用领域已超越其他证产品的生产过程和质量不受影响。三种材料。吹塑机是一种通过吹塑工艺将塑料颗1BP神经网络粒制作成中空容器的设备，而锁模机构作为吹塑1．1BP神经网络基本结构成型设备的重要组成部分，是对型坯进行吹胀、人工神经网络(ArtificialNeuralNetwork，冷却、定型的关键部件，也是实现成型模具启闭ANN)，是一种基于模仿人脑神经网络结构及其动作和保证磨具可靠地紧闭的重要部件n。然而，功能而建立起来的信息处理系统，是理论化的人在进行现场实际生产时，工人对机器进行调试脑神经网络的数学模型『2】。BP(BackPropag

6、ation)时，由于缺少科学的指导，往往凭借个人经验及神经网络即为误差反向传播神经网络，是人工神感官对锁模机构的运行参数进行调试，这就导致经网络的重要模型之一。其结构是一种层次型的了锁模机构运行参数标准不一、调试周期过长、神经网络，具有三层网络结构，即为输入层、中运行过程异常振动等问题，致使实际生产效率不间层(隐层)和输出层，如图1所示。当给网络高，产品质量得不到保障，公司收益不高。因提供一个输入模式时，其输人信号由输入层传递此，从实际生产出发，急需解决上述存在的种种到输出层的过程就是网络信号的前向传播，如果收稿日期：2015—07—22匿二二巨誓网络输出的信号与所期望的

7、信号有不一致，即存在误差，就会自动转入误差的反向传播过程，并根据每一层的误差大小来调节每一层的连接权值初始化各权值和阀值和阈值。从本质上讲，BP神经网络其实是一种从输人到输出的映射，它可以学习大量的输入到输给定网络输入向量和目标向量出的映射关系，BP神经网络不需任何输入与输出之间明确的数学表达式，只需要用已有的模式对计算各层的输入和输出值BP神经网络加以训练，BP神经网络就会具有从输入到输出的映射能力p。计算目标输出值与实际输出值的误差是输输出是入否修正各层权值和阀值结束图2BP算法流程图输入层中间层输出层图1典型BP神经网络