基于神经网络的磨削工艺参数智能预测模型.pdf

《基于神经网络的磨削工艺参数智能预测模型.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、第8期组合机床与自动化加工技术NO．82013年8月ModularMachineTool＆AutomaticManufacturingTechniqueAug．2013文章编号：1001—2265(2013)08—0091—04基于神经网络的磨削工艺参数智能预测模型书刘伟强，杨建国(东华大学机械工程学院，上海201620)摘要：磨削参数的合理选择对于磨削加工过程有着重要的影响，将人工智能运用到磨削工艺参数的选择过程中是现代发展的一个新趋势。在分析现有的智能算法后，提出了一种利用BP神经网络模型来确定磨削参数的方法。在该方法中综合考虑影响磨削加工的因素，把它们列为神经网络系统

2、的输入参数，并对输入参数进行编码；同时也对输出参数(砂轮速度、工件速度、磨削深度、磨削进给速度)进行了归一化处理以适应神经网络的学习。采用循环算法比较得出隐层的最优神经元个数，从而最终建立了磨削参数智能预测模型，并利用Matlab进行仿真预测，仿真结果表明该预测模型准确率很高，能为磨削参数的选择提供可靠数据。关键词：磨削参数；BP算法；神经网络；预测模型中图分类号：TH162文献标识码：AGrindingParameterIntelligentPredictionModelBasedonBPNeuralNetworkLIUWei-qiang，YANGJian-guo(Col

3、legeofMechanicalEngineering，DonghuaUniversity，Shanghai201620，China)Abstract：Thereasonableselectionofgrindingparametersplaysanimportantroleingrindingprocess．Combineartificialintelligencewiththeselectionofgrindingprocessparametersisanewtrendinthemodemdevelopment．Afteranalyzingtheexistinginte

4、lligentalgorithm，putforwardanewmethodthatusingartificialneuralnetworkmodeltodeterminethegrindingparameters．Consideratingtheinfluencefactorsofgrindingcomprehensively，andlistingthemasneuralnetworkinputparameterswhichareenco—ded．Atthesametimemaketheoutputparameters(wheelspeed，workpiecespeed，g

5、rindingdepth，grindingfeedrate)onthenormalizedinordertoadapttotheneuralnetworklearning．Usingcyclicalgo—rithmforoptimalnumberofneuronsinthehiddenlayers，andeventuallyestablishedthegrindingparame—tersintelligentpredictionmodelUsingmatlabtosimulateit，thesimulationresultsshowthatthepredic—tionmo

6、delhashighaccuracy，andcanprovidereliabledatafortheselectionofgrindingparameters．Keywords：grindingparameters；BPalgorithm；neuralnetwork；predictionmodel目前国内外将人工神经网络运用于磨削加工领0引言域的应用研究越来越多。但是其侧重点不一样，在随着科学技术水平的不断提高，对机器及仪器国外研究的侧重点是如何利用神经网络模型来确定零件的加工精度要求愈来愈高，各种高硬度材料的磨削加工中磨削力、砂轮磨损程度等，Radhakrishnan使用

7、也日益增加。此外由于精密铸造与精密锻造工等人提出了基于人工神经网络确定磨削力的方艺的进步，许多零件可以不经过车削、铣削直接由毛法。A1一Ahrnarif等人对BP神经网络模型和线性坯磨制成成品，从而使得磨削加工获得了越来越广回归模型进行了对比，结果显示神经网络模型比线泛的应用和迅速发展¨。在磨削加工中，磨削参数性回归模型更有优势。Nalbant等人研究了切削参的选择是一个十分重要的工艺设计问题，它直接关数及刀具材料对车削表面粗糙度的影响，并建立了系到零件的生产率、表面质量等结果的优劣。又由三层BP神经网络，对加工过