為了改善刀具壽命預(yù)測的精準度,文章在已有的PSO-BP神經(jīng)網(wǎng)絡(luò)算法中引入混沌理論,提出了一種基于混沌粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)（CPSO-BP神經(jīng)網(wǎng)絡(luò)）的刀具壽命預(yù)測方法。該方法采用粒子群算法優(yōu)化網(wǎng)絡(luò)權(quán)值和閾值,通過混沌擾動更新粒子的位置。CPSO-BP神經(jīng)網(wǎng)絡(luò)算法既避免了BP神經(jīng)網(wǎng)絡(luò)存在的收斂速度慢、易陷入局部最優(yōu)的缺點,又改善了全局搜索能力,同時,降低了粒子群優(yōu)化算法造成早熟收斂或停滯的可能性。仿真結(jié)果表明:與已有的PSO-BP神經(jīng)網(wǎng)絡(luò)算法相比,該文的CPSO-BP神經(jīng)網(wǎng)絡(luò)算法用于刀具壽命預(yù)測時收斂速度和預(yù)測精度均更勝一籌。 

【文章來源】：組合機床與自動化加工技術(shù). 2020,(08)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

CPSO-BP神經(jīng)網(wǎng)絡(luò)算法(Chaotic Particle Swarm Optimization BP neural network algorithm)的具體流程如圖2所示。3 預(yù)測結(jié)果分析

表1 刀具壽命預(yù)測樣本數(shù)據(jù) 序號 D0/mm Z ap/mm aw/mm f/mm/tooth vcm/min Kv T/min 0 80 4 2 40 0.12 183 1.2 72 1 80 4 3 50 0.10 175 1.2 85 2 100 5 4 60 0.13 150 1.1 98 3 100 5 5 75 0.15 130 1.4 107 4 100 5 7 60 0.07 173 1.3 125 5 125 6 5 75 0.10 144 1.0 180 6 125 6 7 80 0.11 140 1.3 136 7 125 6 6 90 0.13 135 1.2 113 8 160 8 3 96 0.10 150 1.6 190 9 160 8 5 100 0.13 130 1.4 171 10 160 8 9 110 0.18 108 1.0 153 11 200 10 8 115 0.13 125 1.3 180 12 200 10 3 135 0.16 115 1.5 250 13 250 12 9 150 0.18 110 1.0 160 14 250 12 10 170 0.20 105 1.1 137 15 315 16 5 210 0.24 95 1.3 326 16 315 16 9 190 0.13 110 1.3 305 17 100 5 5 55 0.10 165 1.5 100 18 125 6 3 75 0.13 135 1.4 190 19 160 8 9 96 0.18 110 1.6 160 20 200 10 6 110 0.15 125 1.2 165 21 250 12 7 140 0.13 120 1.1 240圖4 刀具壽命預(yù)測相對誤差對比


本文編號：3138398