基于神经网络的脉冲电化学抛光建模方法研究.pdf

《基于神经网络的脉冲电化学抛光建模方法研究.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、基于神经网络的脉冲电化学抛光建模方法研究★口赵雪松口疏达口肖平安徽工程科技学院机械工程系安徽芜湖241000摘要：提出了通过建立径向基函数(RBF)神经网络模型对混粉脉冲电化学抛光效果进行预测的方法。在对影响混粉脉冲电化学抛光效果的因素进行分析和合理选择的基础上，确定了RBF神经网络模型的特征参数和目标参数。利用试验结果对模型进行训练学习，确定了RBF网络模型。利用该模型进行了表面粗糙度预测，预测结果与实际试验结果有较好的一致性，说明RBF神经网络对混粉脉冲电化学抛光效果的预测是有效的。关键词：脉冲电化学抛光

2、径向基函数(RBF)神经网络预测模型中图分类号：TG662文献标识码：A文章编号：1000—4998(2OO9)O6—0011一o3脉冲电化学抛光的工艺效果与加工参数之间的关是影响程度又难以用精确的数学模型来描述，因此，如系十分复杂，是一个具有高度非线性的问题，难以建立何选择抛光参数成为十分关键的问题。一个严格的数学模型并用具体的数学表达式来描述其人工神经网络作为一门新兴学科在非线性系统的工艺规律。利用实验数据并采用神经网络技术对混粉建模与辨识中得到了广泛的应用。目前应用最多的是脉冲电化学抛光工艺进行建模，可

3、发挥神经网络的优基于误差逆传播算法的多层前向神经网络，简称BP越性。在混粉脉冲电化学抛光中表示加工效果的工艺网络，但该网络存在收敛速度慢和局部极小、隐层节点指标主要为表面粗糙度，加工参数主要是电流密度、电数不易确定等缺陷。而最近几年开始研究的另一种前解液质量分数、磨料粒度、磨料含量等。脉冲电化学抛向神经网络——径向基函数(RBF)神经网络较为有效光主要7-_艺指标表面粗糙度值与加工参数之间有密切地解决了上述问题，其在分类能力、学习速度等方面均的相关性。拟在表1数据的基础上采用RBF神经网络优于BP神经网络。本

4、文提出一个在MATLAB7．0环境进行建模。下的RBF神经网络模型，应用此模型对混粉脉冲电化学抛光效果进行预测。表1RBF神经网络部分样本数据序号电流密度，电解液质量磨料粒度磨料含量表面粗糙度1RBF神经网络原理／(A·cm)分数C／％／um／(g·L)值R／“mlO．27．52O．0400．5367径向基函数(RBF)神经网络是由输入层、隐层和2O．212．515．O750．4067输出层构成的3层前向网络。输入节点只传递输入信号30．2l7．5l2．51000．3233到隐层，隐层节点由辐射状作用函数构成

5、，而输出层节点通常是简单的线性函数。l40．812．5l2．5400．0900隐层节点中的作用函数(基函数)对输入信号将在l50．817．5l5．Ol200．0900局部产生响应，也就是说，当输入信号靠近函数的中央160．8．22．52O．O1000．0933范围时，隐层节点将产生较大的输出，由此看出这种网混粉脉冲电化学抛光技术是在2O世纪80年代产生络具有局部逼近能力，所以径向基函数网络也称为局的，它与常规脉冲电化学抛光的不同之处即在工作液部感知场网络。中添加一定成分、浓度和粒度的导电或半导电微细粉径向基函

6、数都是径向对称的，最常用的是高斯函末(如硅、铝等)，形成悬浮液，在进行表面抛光时可以数：大大提高加212速度，改善表面质量，降低表面粗糙度R()=exp[一lz—Cll／(2})】i=1，2，⋯，m(1)值。由于在混粉脉冲电化学抛光过程中，影响加工性能式中：为n维输入向量Ic‘为第i个基函数的中心，的因素较多，也较复杂，很难从理论上解决各种工艺参与具有相同维数的向量；为第i个感知的变量(高数对抛光效果的影响关系。而在实际抛光过程中，32艺斯函数宽度向量)，它决定了该基函数围绕中心点的宽参数的选择和合理的搭配对

7、抛光效果有很大影响，但度；m为感知单元的个数。★安徽省高等学校青年教师科研基金资助项目(编号：2oo5jqlO64)ll—c。Il是向量—c；的范数，它表示和C之收稿日期：2008年l2月间的距离，足()在c处有一个唯一的最大值，随着机械制造47卷第538期2~9／6回cl—CII的增大，尼()迅速衰减到零。对于给定的输表2RBF网络预测结果与实际值的比较入，只有一小部分靠近的中心被激活。表面粗糙度R。／nm序号实测值预测值相对误差／％输入层实现从—R()的非线性映射，输出层实现从R。()到的线性映射，即：l

8、0．53670．5404O．68620．40670．41221．352yk=∞尼()，=1，2，⋯，P(2)30．32330．30435．874i=l式中：P为输出层节点数，其连接权的修正可采用最小140．09000．08762．732二乘法；为隐层与输出层的连接权值；i为隐层节150．09000．09050．567点；为输出层节点。160．0933O．09l71．7042RBF神经网络模型意的，最