本文選題：并聯(lián)機構(gòu) + 位置正解　； 參考：《機床與液壓》2017年21期

【摘要】：采用了一種改進型的BP神經(jīng)網(wǎng)絡方法對3-RSR并聯(lián)機構(gòu)的位置正解進行了研究,首先通過理論方法對3-RSR并聯(lián)機構(gòu)的位置逆解進行求解,然后采用改進型BP神經(jīng)網(wǎng)絡對通過位置逆解得到的數(shù)據(jù)進行了網(wǎng)絡訓練,神經(jīng)網(wǎng)絡訓練結(jié)果與理論結(jié)果對比,驗證了該方法的合理性。而且,對比改進后的BP神經(jīng)網(wǎng)絡結(jié)果與普通BP神經(jīng)網(wǎng)絡結(jié)果,發(fā)現(xiàn)兩種方法均具有非常高的計算效率,且有效避免了復雜的推導和演算,但改進型BP神經(jīng)網(wǎng)絡方法得到的結(jié)果精度更高,因而在高精度的工程領(lǐng)域,采用改進型BP神經(jīng)網(wǎng)絡方法更具合理性。
[Abstract]:The position forward solution of 3-RSR parallel mechanism is studied by using an improved BP neural network method. Firstly, the position inverse solution of 3-RSR parallel mechanism is solved by theoretical method.Then the improved BP neural network is used to train the data obtained from the inverse position solution. The results of the neural network training are compared with the theoretical results, and the rationality of the method is verified.In addition, comparing the improved BP neural network results with the common BP neural network results, it is found that both of the two methods have a very high computational efficiency, and effectively avoid complex derivation and calculation.But the precision of the improved BP neural network method is higher, so it is more reasonable to adopt the improved BP neural network method in the high precision engineering field.
【作者單位】： 荊楚理工學院機械工程學院;
【基金】：荊門市2015年科技項目支持(YFZD2015056)
【分類號】：TH112;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 賈爽;賀利樂;;基于粒子群優(yōu)化SOM神經(jīng)網(wǎng)絡的軸系多振動故障診斷[J];機械傳動;2011年06期

2 唐貴基;楊玉婧;宋彩萌;;基于神經(jīng)網(wǎng)絡的旋轉(zhuǎn)機械振動故障診斷[J];機械工程師;2012年01期

3 欒美潔;許飛云;賈民平;;旋轉(zhuǎn)機械故障診斷的神經(jīng)網(wǎng)絡方法研究[J];噪聲與振動控制;2008年01期

4 高強;錢林方;侯遠龍;王力;;泵控缸電液位置伺服系統(tǒng)的神經(jīng)網(wǎng)絡模型參考自適應控制[J];機床與液壓;2008年06期

5 徐小力;左云波;吳國新;;量子神經(jīng)網(wǎng)絡在旋轉(zhuǎn)機組狀態(tài)趨勢預測中的應用[J];機械強度;2010年04期

6 何文;同淑榮;王克勤;;基于神經(jīng)網(wǎng)絡的質(zhì)量控制圖異常診斷[J];機械制造;2013年05期

7 許寧,黃之初;神經(jīng)網(wǎng)絡在旋轉(zhuǎn)機械故障診斷中的應用研究[J];礦山機械;2005年08期

8 宋文杰;劉伯峰;王平;姜冰;;基于小波—神經(jīng)網(wǎng)絡的故障劣化趨勢檢測[J];職大學報(自然科學版);2006年02期

9 王志濤;肖明清;謝化勇;禚真福;薛輝輝;;基于神經(jīng)網(wǎng)絡的故障診斷效能模糊綜合評價研究[J];計算機測量與控制;2011年12期

10 戴中浩;林瓊;王秋成;;基于神經(jīng)網(wǎng)絡的再制造自動變速箱檢測及試驗研究[J];機械制造;2012年01期

相關(guān)會議論文 前10條

1 杜福銀;封其勃;;一種基于Hopfield神經(jīng)網(wǎng)絡作業(yè)車間調(diào)度問題的優(yōu)化方法[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

2 宋國明;王厚軍;姜書艷;劉紅;;基于神經(jīng)網(wǎng)絡的融合智能診斷方法在模擬電路故障診斷中的應用[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

3 宋軼民;余躍慶;張策;馬文貴;;基于神經(jīng)網(wǎng)絡的機敏機構(gòu)振動自校正控制[A];第十二屆全國機構(gòu)學學術(shù)研討會論文集[C];2000年

4 吳洪民;;氣動伺服定位系統(tǒng)的神經(jīng)網(wǎng)絡模糊自適應PID控制[A];第一屆全國流體動力及控制工程學術(shù)會議論文集（第二卷）[C];2000年

5 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡自學習自適應控制[A];液壓與氣動學術(shù)研討會論文集[C];2004年

6 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡自學習自適應控制[A];第三屆全國流體傳動及控制工程學術(shù)會議論文集（第三卷）[C];2004年

7 曹春紅;張斌;王利民;李文輝;;基于免疫神經(jīng)網(wǎng)絡的幾何約束求解技術(shù)的研究[A];第二十七屆中國控制會議論文集[C];2008年

8 楊東超;楊向東;劉莉;陳懇;;并聯(lián)機構(gòu)的可驅(qū)動性研究[A];2007年中國機械工程學會年會論文集[C];2007年

9 張義鳳;姚郁;;六自由度并聯(lián)機構(gòu)驅(qū)動速度性能優(yōu)化設計[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術(shù)年會論文集[C];2006年

10 孟飛;;極限邊界搜索實現(xiàn)的并聯(lián)機構(gòu)工作空間分析[A];先進制造技術(shù)論壇暨第五屆制造業(yè)自動化與信息化技術(shù)交流會論文集[C];2006年

相關(guān)博士學位論文 前10條

1 毛秉毅;閉環(huán)和并聯(lián)機構(gòu)拓撲胚圖理論與應用[D];燕山大學;2015年

2 丁建;六自由度并聯(lián)機構(gòu)精度分析及其綜合方法研究[D];哈爾濱工業(yè)大學;2015年

3 徐東濤;基于動力學分析的改進型Delta并聯(lián)機構(gòu)運動可靠性建模技術(shù)[D];東北大學;2015年

4 紀志飛;3-SPS張拉整體并聯(lián)機構(gòu)的構(gòu)型綜合與運動性能分析及能量采集研究[D];西安電子科技大學;2015年

5 曹文熬;空間多環(huán)耦合機構(gòu)數(shù)字化構(gòu)型綜合理論[D];燕山大學;2014年

6 葉偉;一類可重構(gòu)并聯(lián)機構(gòu)的結(jié)構(gòu)設計方法與運動學分析[D];北京交通大學;2016年

7 汪從哲;多轉(zhuǎn)動自由度并聯(lián)機構(gòu)的結(jié)構(gòu)創(chuàng)新設計與應用研究[D];北京交通大學;2016年

8 張秀禮;一類含復合驅(qū)動及約束分支少自由度并聯(lián)機構(gòu)理論研究[D];燕山大學;2016年

9 田體先;計及阻尼影響的六自由度并聯(lián)機構(gòu)模態(tài)空間設計及控制[D];哈爾濱工業(yè)大學;2015年

10 侯志利;基于五桿機構(gòu)的可重構(gòu)并聯(lián)機構(gòu)設計方法與實驗研究[D];中北大學;2017年

相關(guān)碩士學位論文 前10條

1 王栗;面向電機軸承的快速故障診斷方法研究[D];沈陽理工大學;2015年

2 于會超;機械觸覺機構(gòu)及控制的研究與應用[D];華北理工大學;2015年

3 李捷;基于神經(jīng)網(wǎng)絡的軸承故障診斷技術(shù)研究[D];電子科技大學;2015年

4 宋銀芳;橋式起重機故障分析與故障率預測方法研究[D];安徽理工大學;2016年

5 高芮;基于神經(jīng)網(wǎng)絡的機械故障診斷技術(shù)的研究[D];青島科技大學;2016年

6 程翔;基于神經(jīng)網(wǎng)絡的輪帶系統(tǒng)橫向振動的變結(jié)構(gòu)控制[D];福州大學;2014年

7 龐艷艷;基于選擇性神經(jīng)網(wǎng)絡的故障診斷研究[D];華中科技大學;2014年

8 徐銘志;基于神經(jīng)網(wǎng)絡PID的金屬帶式無級變速器速比控制研究[D];燕山大學;2016年

9 齊放;基于極限學習機的設備故障預測方法及應用研究[D];北京化工大學;2016年

10 尤海鑫;BP神經(jīng)網(wǎng)絡與模糊邏輯在智能故障診斷中的應用[D];大連交通大學;2014年

，

本文編號：1772867