基于GA—RBF神经网络的电火花成形加工电参数优化.pdf

基于GA—RBF神经网络的电火花成形加工电参数优化.pdf

ID:52206592

大小:177.71 KB

页数:3页

时间:2020-03-24

基于GA—RBF神经网络的电火花成形加工电参数优化.pdf_第1页
基于GA—RBF神经网络的电火花成形加工电参数优化.pdf_第2页
基于GA—RBF神经网络的电火花成形加工电参数优化.pdf_第3页
资源描述:

《基于GA—RBF神经网络的电火花成形加工电参数优化.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、2013年第2期工业仪表与自动化装置·87·基于GA—RBF神经网络的电火花成形加工电参数优化李宝栋,宿忠娥,吴晓红,柴世文(1.兰州工业学院机械工程系,兰州730050;2.兰州城市学院培黎工程技术学院,兰州730070;3.甘肃省机械科学研究院,兰州730030)摘要:针对电火花成形加工的电参数选择问题,先建立RBF神经网络,将加工电参数和工艺指标参数分别作为神经网络的输入和输出。然后用GA优化RBF神经网络,建立用于电火花成形加工电参数优化的GA—RBF神经网络模型。试验结果表明,该网络的精度是令人满意的。关键词

2、:电火花成形加工;GA—RBF;参数优化中图分类号:TG506文献标志码:A文章编号:1000—0682(2013)02—0087—03OptimizationofelectricalparametersofEDMbasedonGA—RBFLIBaodong,SUZhonge,WUXiaohong,CHAIShiwen(1.DepartmentofMechanicalEngineering,LanzhouInstituteofTechnology,Lanzhou730050,China;2.BelieCollegeof

3、Engineering&Technology,LanzhouCityUniversity,Lanzhou730070,China;3.GansuAcademyofMachineryScience,Lanzhou730030,China)Abstract:InviewofthechoiceofelectricalparametersofEDM,themodelofRBFneuralnetworkispresented,andtheelectricalprocessingparametersandprocessindexp

4、arametersweretakenastheinputandoutputofneuralnetwork.Then,theneuralnetworkmodelwereoptimizedbygeneticalgorithm,theGA—RBFneuralnetworkmodelofelectricalparametersoptimizationofEDMispresented.Theresultsshowedthattheprecisionofthemodelissatisfactory.Keywords:EDM;GA—

5、RBF;parameteroptimization问题。GA—RBF神经网络用GA(GeneticAlgo-0引言rithm)优化RBF(RadialBasisFunction)神经网络参电火花成形加工广泛应用于复杂型面加工、模数,为训练神经网络提供了一种新的途径。该文将具制造或超硬材料加工等领域。在加工过程中,合GA优化后的RBF神经网络模型用于电火花成形加理地选择加工电参数对保证加工精度,提高生产效工电参数优化。率有重要作用,通常采用的方法是经验公式和查表。1GA—RBF神经网络但实际加工情况千变万化,而且加工参数

6、表中的参数组合也是有限的,经验公式法和查表法都存在局RBF神经网络是一种包含输入层、隐含层和输限和不足,而且往往达不到预期的效果j。出层的三层前馈神经网络。输入层节点传递输入信近年来,国内外学者对如何获取最佳加工电参号到隐含层,隐含层节点由径向基函数描述,而输出数进行了较为深入的研究J,并相继提出了不少层节点通常由简单的线性函数刻画。其基本思想是关于参数优化的理论,但当前加工电参数的优化仍使用具有RBF的隐含层神经元,隐含层将输入的低存在优化方法复杂、低效,容易收敛于局部最优解等维数据变换到高维空间,而隐含层到输出层为

7、线性映射关系。RBF神经网络可以把低维无法解决的收稿日期:2012—11—02作者简介:李宝栋(1979),男,甘肃省会宁县人,兰州工业学院非线性问题映射到高维空间,在高维空间通过线性机械工程系讲师,工学硕士,博士生,研究方向为数字化制造技术。的方式解决。·88·工业仪表与自动化装置2013年第2期RBF神经网络中,隐层节点个数、输出权重,隐5)将GA中得到的最优解带人RBF神经网络层基函数中心和宽度等4个参数的取值对网络的预中,作为初始值,然后利用RBF神经网络对样本进测性能有着很重要的影响。目前,RBF网络学习算行

8、训练,得到最终权值。法主要有监督学习方法、无监督的聚类方法、与回归2GA—RBF神经网络预测与参数优化有关的正交二乘法回归方法、偏最小二乘回归方法等,这些方法都存在自身不足J。利用GA优化试验平台是电火花线切割机床,电极丝采用钼RBF网络的模型结构,主要针对隐层节点个数、输丝,直径为0.2mm,进给速度为9.2mm/s,选取出权重

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。