基于人工神经网络的汽车喷涂配比优化研究与应用.pdf

《基于人工神经网络的汽车喷涂配比优化研究与应用.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、文章编号：1672—0121(2014)01—0096—03基于人工神经网络的汽车喷涂配比优化研究与应用公源(山东大学附属传染病医院信息科，山东济南250022)摘要：本文阐述了人工神经网络基本原理，在此基础上应用双层前向人工神经网络模型，对汽车喷涂生产工序中的原料配比进行优化，将传统人工凭经验进行配比改变为计算机自动生成最佳原料配比从而大大降低成本，缩短生产时间。关键词：制造业信息化；优化；人工神经网络；喷涂；配比中图分类号：TP183文献标识码：A1人工神经网络概述号的加权值，即为权重(Weight)。神经网络通过权重人l

2、T神经网络(Artificialneuralnetwork，ANN)，信息来表达“记忆”。网络的输出则依网络的连接方是人脑神经网络的部分仿生学模拟。人工神经网络式、权重值和激励函数的不同而不同。是一种大规模并行运算模型，它由大量节点(人工神人T神经网络是并行分布式系统，采用了与传经元)通过层问强连接构成。每个节点代表一种特定统人T智能和信息处理技术完全不同的机理，克服的输出函数，称其为激励函数(Activationfunction)。了传统的基于逻辑符号的人1二智能在处理直觉、非每两个节点之间的连接代表一个对于通过该连接信结构

3、化信息方面的缺陷，具有自适应、自组织和实时学习的特点。收稿日期：2013-07—20作者简介：公源(1982一)，助理工程师，从事计算机信息管理工作2基本神经元模型及BP网络—·—·”—·”+“+”—+一”+”+“+”+“+”++”+“+“+”-+-一—十一一-十一一-卜”—十一一—十一一十一十一十“+”—+一”十-+”+”+”+*+”+”+“+一+”+一+”+一-4-Designandapplicationofgenericdataacquisitionandsupervisorycontrolsoftwareframewo

4、rkbasedondataengineYIWenxing，ZHANGLichaoZHAOZuyeYUJun(StateKeyLaboratoryofMaterialsProcessingandDie&MouldTechnology．HuazhongUniversityofScienceandTechnology，Wuhan430074，HubeiChina)．Abstract：Duetothedifferencesinthewayofheterogeneousdatacollectionanddatastructureinth

5、edataacquisitionandsupervisorycontrolsoftware，aswellasthediversitypatternindatainteractionandthefrequently如图1所示，度下降地修正各层权值，修正通过隐层传递至输入al、a一，q为输入层结束。在BP网络的样本训练过程中，重复以上传向量的各个分递过程，将导致各层的权值不断调整，当网络的输出量；W】，W2，⋯，W为误差减少到可以接受的程度，或者预先设定的学习神经元各个突触的次数时，停止学习过程。权值；b为偏置i厂为实际应用中，通

6、常将样本数据分为训练数据(约冈1神经元模型传递函数，通常为90％)及校验数据(约10％)。通过分析训练过程的模非线性函数；t为神经元输出。型稳定性，可定量了解BP网络的学习收敛情况。如则该计算模型的输出可表示为：果收敛未达到设计要求，则可能样本数不足，或网络参数(如层神经元数)设置不合理。：彳+6)式中：——权向量；3应用建模与分析——输入向量。神经网络在信息化、自动化等领域具有广泛应可以看出，偏置被简单地加在WA上作为激活用，而在工程领域中的应用更是比比皆是。本文探讨函数的另一个输入分量，实际上偏置b也是一种权的汽车喷涂工序

7、中的涂料配比应用中，其传统的方值，只是它的输入恒为1，这就保证了与权值的乘积法是，实验室保存大量的原料配比与成品颜色样板，仍为b。网络设计中，偏置起着重要作用，它使得激由经验丰富的技师首先选择最接近的色板，再依据活函数的图形可以左右移动而增加了解决问题的可经验对原料比稍作调整，制作样本进行比对，根据比能性。对结果重复调整直至符合要求。南于每轮实验周期BP(BackPro—pagation)网络是一种按误差逆较长，轮数完全依赖于技师的经验，导致其时间不可传播算法训练的多层前馈网络，当参数适当时，用于控，并产生大量的成本。如果该过

8、程南计算机完成，求解前馈网络的实际输出与期望输出间的最小均方将大大降低时问及各项生产成本，大大提高产品的差值，是目前应用最广泛的神经网络模型之一。质量稳定性。在结构上，可以把BP神经网络模型拓扑结构在模型选择上，由于原料的配比与成品呈现的(图2)划分为输入层(input)、隐