模糊神經(jīng)網(wǎng)絡(luò)在解決機械加工中誤差復(fù)映問題的研究
發(fā)布時間：2020-10-20 06:31
機械加工精度是衡量機械加工工藝的重要指標(biāo)之一。加工精度是指零件加工后的實際幾何參數(shù)(尺寸、形狀和表面間的相互位置)與理想幾何參數(shù)的符合程度。符合程度越高,精度越高。生產(chǎn)中加工精度的高低是用加工誤差的大小來表示的。而誤差復(fù)映現(xiàn)象是在機械加工中普遍存在的一種現(xiàn)象,它是由于加工時毛坯的尺寸和形位誤差、裝卡的偏心等原因?qū)е铝斯ぜ庸び嗔孔兓?而工件的材質(zhì)也會不均勻,故引起切削力變化而使工藝系統(tǒng)變形量發(fā)生改變產(chǎn)生的加工誤差。 模糊神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)技術(shù)與模糊邏輯控制技術(shù)相結(jié)合的產(chǎn)物,是基于神經(jīng)網(wǎng)絡(luò)的模糊控制方法。本文提出用模糊神經(jīng)網(wǎng)絡(luò)來解決機械加工中的誤差復(fù)映問題。通過對誤差復(fù)映問題加以分析,得到加工后的誤差與毛坯原有誤差、工藝系統(tǒng)剛度、進(jìn)給量、工件硬度、加工次數(shù)等的關(guān)系;針對這種映射關(guān)系得出模糊神經(jīng)網(wǎng)絡(luò)的模型來解決待解決的問題;用一個簡易的偏心可調(diào)夾具在車床上進(jìn)行實驗,得到大量實驗數(shù)據(jù)后在對數(shù)據(jù)進(jìn)行整理和分析處理,在此基礎(chǔ)上對模糊神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn),并對網(wǎng)絡(luò)進(jìn)行訓(xùn)練完善,直至得出較為滿意的輸出;對網(wǎng)絡(luò)進(jìn)行測試,設(shè)計用戶界面。論文最后對上述算法進(jìn)行了計算機仿真,結(jié)果證明上述算法是正確和有效的。
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2005
【中圖分類】：TH161
【部分圖文】：
圖 2-4 人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)為了方便，將統(tǒng)一表達(dá)成∑==njijijIx1ω = θi； 10x =。函數(shù)可為線性函數(shù)，或 S 關(guān)的非線性函數(shù)，或具有任意階導(dǎo)常見的傳遞函數(shù)有如下形式：數(shù) <≥=0,01,0()xxfx神經(jīng)元為 M－P 模型。圖 2-5 閾值函數(shù)
2.3 模糊神經(jīng)網(wǎng)絡(luò)2.3.1 模糊神經(jīng)元的幾種模型1.由模糊規(guī)則描述的模糊神經(jīng)元(第 I 類模糊神經(jīng)元)在基于知識的系統(tǒng)中，常使用一組條件語句“If－then”規(guī)則來表示從人類專家那里所得到的知識。這種知識經(jīng)常帶著不確定性和模糊術(shù)語。因此，在“If－then”中，前提和結(jié)論是作為模糊集來處理的。第一類模糊神經(jīng)元模型就由這種規(guī)則描述的。在圖 2-10 中，表示一個具有 N 個輸入和一個輸出的模糊神經(jīng)元，其輸入－輸出關(guān)系由一個“If－then”規(guī)則表示：If ()11Axiand ()12Axiand … and ()1Axnithen YB( y)ii=這里 x1，x2，··· ，xn是當(dāng)前輸入，Yi是第 i 個神經(jīng)元的當(dāng)前輸出，第 i 個神經(jīng)元由圖 3-2 中所示的全部 M 個規(guī)則中的第 i 個描寫。也就是說，每個神經(jīng)元素表示 M 個“If－then”規(guī)則中的一個。
2.3 模糊神經(jīng)網(wǎng)絡(luò)2.3.1 模糊神經(jīng)元的幾種模型1.由模糊規(guī)則描述的模糊神經(jīng)元(第 I 類模糊神經(jīng)元)在基于知識的系統(tǒng)中，常使用一組條件語句“If－then”規(guī)則來表示從人類專家那里所得到的知識。這種知識經(jīng)常帶著不確定性和模糊術(shù)語。因此，在“If－then”中，前提和結(jié)論是作為模糊集來處理的。第一類模糊神經(jīng)元模型就由這種規(guī)則描述的。在圖 2-10 中，表示一個具有 N 個輸入和一個輸出的模糊神經(jīng)元，其輸入－輸出關(guān)系由一個“If－then”規(guī)則表示：If ()11Axiand ()12Axiand … and ()1Axnithen YB( y)ii=這里 x1，x2，··· ，xn是當(dāng)前輸入，Yi是第 i 個神經(jīng)元的當(dāng)前輸出，第 i 個神經(jīng)元由圖 3-2 中所示的全部 M 個規(guī)則中的第 i 個描寫。也就是說，每個神經(jīng)元素表示 M 個“If－then”規(guī)則中的一個。
【引證文獻(xiàn)】
本文編號：2848351
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2005
【中圖分類】：TH161
【部分圖文】：
圖 2-4 人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)為了方便，將統(tǒng)一表達(dá)成∑==njijijIx1ω = θi； 10x =。函數(shù)可為線性函數(shù)，或 S 關(guān)的非線性函數(shù)，或具有任意階導(dǎo)常見的傳遞函數(shù)有如下形式：數(shù) <≥=0,01,0()xxfx神經(jīng)元為 M－P 模型。圖 2-5 閾值函數(shù)
2.3 模糊神經(jīng)網(wǎng)絡(luò)2.3.1 模糊神經(jīng)元的幾種模型1.由模糊規(guī)則描述的模糊神經(jīng)元(第 I 類模糊神經(jīng)元)在基于知識的系統(tǒng)中，常使用一組條件語句“If－then”規(guī)則來表示從人類專家那里所得到的知識。這種知識經(jīng)常帶著不確定性和模糊術(shù)語。因此，在“If－then”中，前提和結(jié)論是作為模糊集來處理的。第一類模糊神經(jīng)元模型就由這種規(guī)則描述的。在圖 2-10 中，表示一個具有 N 個輸入和一個輸出的模糊神經(jīng)元，其輸入－輸出關(guān)系由一個“If－then”規(guī)則表示：If ()11Axiand ()12Axiand … and ()1Axnithen YB( y)ii=這里 x1，x2，··· ，xn是當(dāng)前輸入，Yi是第 i 個神經(jīng)元的當(dāng)前輸出，第 i 個神經(jīng)元由圖 3-2 中所示的全部 M 個規(guī)則中的第 i 個描寫。也就是說，每個神經(jīng)元素表示 M 個“If－then”規(guī)則中的一個。
2.3 模糊神經(jīng)網(wǎng)絡(luò)2.3.1 模糊神經(jīng)元的幾種模型1.由模糊規(guī)則描述的模糊神經(jīng)元(第 I 類模糊神經(jīng)元)在基于知識的系統(tǒng)中，常使用一組條件語句“If－then”規(guī)則來表示從人類專家那里所得到的知識。這種知識經(jīng)常帶著不確定性和模糊術(shù)語。因此，在“If－then”中，前提和結(jié)論是作為模糊集來處理的。第一類模糊神經(jīng)元模型就由這種規(guī)則描述的。在圖 2-10 中，表示一個具有 N 個輸入和一個輸出的模糊神經(jīng)元，其輸入－輸出關(guān)系由一個“If－then”規(guī)則表示：If ()11Axiand ()12Axiand … and ()1Axnithen YB( y)ii=這里 x1，x2，··· ，xn是當(dāng)前輸入，Yi是第 i 個神經(jīng)元的當(dāng)前輸出，第 i 個神經(jīng)元由圖 3-2 中所示的全部 M 個規(guī)則中的第 i 個描寫。也就是說，每個神經(jīng)元素表示 M 個“If－then”規(guī)則中的一個。
【引證文獻(xiàn)】
相關(guān)碩士學(xué)位論文 前2條
1 劉立堃;多工序制造過程誤差綜合預(yù)測模型研究[D];重慶大學(xué);2010年
2 王宏;無溫度傳感器的感應(yīng)加熱溫度控制研究[D];山東大學(xué);2012年
本文編號：2848351
本文鏈接：http://sikaile.net/kejilunwen/jixiegongcheng/2848351.html
最近更新
教材專著
