基于MPSO-RBF神经网络的切向刚度研究.pdf

《基于MPSO-RBF神经网络的切向刚度研究.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、62西安理工大学学报JournalofXi’anUniversityofTechnology(2012)Vo1．28No．1文章编号：1006-4710(2012)01-0062-05基于MPSO．RBF神经网络的切向刚度研究杨红平，傅卫平，王伟(西安理工大学机械与精密仪器工程学院，陕西西安710048)摘要：为了能更快速、准确地计算在多影响因素下的机械结合面切向刚度，采用改进的粒子群算法优化径向基神经网络参数，实现了两个算法的有机结合。考虑结合面的材质、表面加工方法、表面粗糙度、结合面面压、介质等影响结合面切向刚度的因素，以实验参数作为样本，利用建立的模型进行了结合面切向

2、刚度仿真，并对仿真结果与实验结果进行了对比分析。分析结果表明，模型预测精度可达92％以上。关键词：改进粒子群优化算法；径向基神经网络；机械结合面；切向刚度中图分类号：TP183。TH123文献标志码：AResearchonTangentialStifnessModelingBasedonMPSO·RBFNeuralNetworkAlgorithmYANGHongping，FUWeiping，WANGWei(FacultyofMechanicalandPrecisionInstrumentEngineering，Xi’anUniversityofTechnology，Xi’a

3、n710048，China)Abstract：Inordertocalculatethemechanicaljointsurfacetangentialstiffnessundertheinfluenceofmulti—factorsquicklyandaccurately，themodifiedparticleswal3'nalgorithmisadoptedtotrainandtoopti—mizetheradialbasisfunctionneuralnetworkparameters，wherebyrealizingtheorganiccombinationoftw

4、oalgorithms．InconsideringthematerialqualityOiljointsurface，SUrfacemachiningmethod，surfaceroughness，surfacepressure0jointsurface，mediumandotherfactorsafectingtangentialstifnessonjointsurfaceandwithexperimentparametersasthemodel，theestablishedmodelinusedtosimulatethetan—gentialstifnessonjoin

5、tsurface．Acontrastanalysisismadeofthesimulationresultsandexperimentalre—suhs．Theanalyticalresuhsindicatethatthepredictionaccuracybythemodelcanreachover92％．Keywords：modifiedparticleswarlTloptimizationalgorithm；radialbasisfunctionneuralnetwork；me—chanicaljointsurface；tangentialstiffness研究装备业

6、结合面特性参数成为国内外的热点非线性和自学习能力，收敛速度快，但获取数据成本问题L1引。传统的方法是通过大量实验获得在一定很高，数据中往往包含噪声，隐含层神经元数凭经验条件下的特性参数，因为影响结合面切向刚度的因确定。而粒子群优化算法具有依赖的经验参数较素很多，这些因素主要包括结合面的材质、表面加工少、收敛速度快等优点，但存在易于陷入局部极值、方法、表面粗糙度、结合面面压、接触面间介质等，这过早收敛和收敛性能差等缺点。些因素的作用机理非常复杂，且多具有强烈的非线本文采用改进的粒子群(简称MPSO)和径向基性特性，通过实验方法获得的数据有限，必须寻(简称RBF)神经网络算法相

7、结合的算法，对机械结找一个能有效描述各组合因素对接触刚度的影响规合面切向接触刚度进行预测。计算结果表明，该方律的方法。法能有效描述各组合因素对接触刚度的影响规律，近几年，利用仿生学进行结合面特性参数建模加快了网络学习速度，并提高了机械结合面切向接研究已取得了一定成果。神经网络具有较好的触刚度的预测精度。收稿日期：2011-10-20基金项目：国家重点基础研究发展计划(“973”)基金资助项目(2009CB724406)。作者简介：杨红平(1974一)，男，博士生，研究方向为表面工程、智能控制。E-mail：yang