本文關(guān)鍵詞：基于改進BP神經(jīng)網(wǎng)絡的車床主軸優(yōu)化設計的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：主軸系統(tǒng)作為機床的關(guān)鍵部件之一,其靜動態(tài)性能將直接影響到機床的加工質(zhì)量和加工效率。隨著現(xiàn)代機床加工速度和精度的不斷提高,對主軸部件也提出了更高的設計和加工要求。本文以CWZ61200重型機床為研究對象,在保證機床主軸良好的靜動態(tài)性能的前提下,將有限元分析、遺傳算法、人工神經(jīng)網(wǎng)絡、正交試驗等方法結(jié)合起來運用到主軸的結(jié)構(gòu)優(yōu)化設計中,實現(xiàn)了主軸重量減輕的優(yōu)化目標。針對標準BP神經(jīng)網(wǎng)絡在實際應用中的一些固有缺陷及不足,利用遺傳算法全局尋優(yōu)的特點,搜索出機床主軸BP神經(jīng)網(wǎng)絡模型中初始權(quán)值和閾值的最優(yōu)解,得到了改進后性能更佳的神經(jīng)網(wǎng)絡。利用SolidWorks和ANSYS Workbench軟件分別完成主軸三維模型的構(gòu)建及有限元分析,得出其靜動態(tài)性能參數(shù);選取主軸結(jié)構(gòu)參數(shù)和性能參數(shù)分別作為輸入和輸出樣本,按照正交試驗法設計的結(jié)構(gòu)參數(shù)組合,不斷修改主軸的三維模型并進行有限元分析,完成了神經(jīng)網(wǎng)絡訓練樣本集的獲取。用上述獲取的樣本集,對基于標準和改進神經(jīng)網(wǎng)絡的主軸性能預測模型進行訓練;將這兩種神經(jīng)網(wǎng)絡模型的預測效果進行對比,最終選取改進后的神經(jīng)網(wǎng)絡模型來獲取主軸結(jié)構(gòu)參數(shù)與性能之間的非線性關(guān)系。選取主軸結(jié)構(gòu)參數(shù)作為設計變量,性能參數(shù)作為約束條件,質(zhì)量作為目標函數(shù),建立了其結(jié)構(gòu)優(yōu)化數(shù)學模型,其中約束條件中的非線性關(guān)系由上述改進神經(jīng)網(wǎng)絡映射得到;利用MATLAB優(yōu)化工具箱進行求解,最終得到了最優(yōu)的結(jié)構(gòu)參數(shù)組合;將優(yōu)化前后機床主軸的各項性能參數(shù)指標進行對比分析,驗證了該優(yōu)化方法的合理性和可行性。本文提出一種利用改進的BP神經(jīng)網(wǎng)絡來建立機床主軸結(jié)構(gòu)參數(shù)與其靜動態(tài)性能之間的非線性映射關(guān)系,并將這種約束關(guān)系應用到主軸結(jié)構(gòu)優(yōu)化設計中的方法。在保證主軸良好的靜動態(tài)性能的前提下,實現(xiàn)了減重的優(yōu)化目標。
【關(guān)鍵詞】：機床主軸 有限元 遺傳算法 BP神經(jīng)網(wǎng)絡 優(yōu)化
【學位授予單位】：江蘇大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TG502.3;TP183
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-18
• 1.1 課題的來源及研究背景11-12
• 1.2 本課題國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 人工神經(jīng)網(wǎng)絡的研究與應用12-13
• 1.2.2 神經(jīng)網(wǎng)絡融合遺傳算法的研究與應用13-14
• 1.2.3 結(jié)構(gòu)優(yōu)化設計的研究與應用14-15
• 1.2.4 當前研究存在的問題分析15-16
• 1.3 本文的研究目的與意義16
• 1.4 本文的主要研究內(nèi)容16-18
• 第二章 BP神經(jīng)網(wǎng)絡融合遺傳算法18-29
• 2.1 BP神經(jīng)網(wǎng)絡算法及缺陷18-24
• 2.1.1 BP神經(jīng)網(wǎng)絡數(shù)學模型18-19
• 2.1.2 BP神經(jīng)網(wǎng)絡學習算法19-22
• 2.1.3 BP算法的主要缺陷及改進22-24
• 2.2 遺傳算法應用分析24-26
• 2.3 BP神經(jīng)網(wǎng)絡融合遺傳算法的策略26-28
• 2.4 本章小結(jié)28-29
• 第三章 機床主軸結(jié)構(gòu)有限元分析29-48
• 3.1 CWZ61200機床主軸結(jié)構(gòu)29-31
• 3.2 有限元法的理論基礎31-33
• 3.3 基于workbench的主軸有限元分析33-43
• 3.3.1 主軸有限元模型的建立33-35
• 3.3.2 載荷和邊界條件的設定35-36
• 3.3.3 靜力分析36-38
• 3.3.4 模態(tài)分析38-43
• 3.4 神經(jīng)網(wǎng)絡訓練樣本的獲取43-47
• 3.4.1 輸入量的提取與表示43-44
• 3.4.2 輸出量的確定44-45
• 3.4.3 訓練集的設計45-47
• 3.5 本章小結(jié)47-48
• 第四章 主軸神經(jīng)網(wǎng)絡模型的構(gòu)建及仿真分析48-64
• 4.1 主軸BP神經(jīng)網(wǎng)絡模型的設計48-51
• 4.1.1 輸入輸出量的選擇48-49
• 4.1.2 隱含層數(shù)目及其節(jié)點個數(shù)的設計49-50
• 4.1.3 網(wǎng)絡樣本的選取及數(shù)據(jù)預處理50-51
• 4.1.4 初始權(quán)值和閾值的選取51
• 4.2 優(yōu)化BP網(wǎng)絡的遺傳算法的設計及實現(xiàn)51-54
• 4.2.1 編碼方案的設計51-52
• 4.2.2 初始種群的設定52
• 4.2.3 適應度函數(shù)的確定52-53
• 4.2.4 遺傳操作的設計53-54
• 4.2.5 BP神經(jīng)網(wǎng)絡的優(yōu)化54
• 4.3 基于神經(jīng)網(wǎng)絡的主軸性能仿真54-63
• 4.3.1 標準BP神經(jīng)網(wǎng)絡的仿真55-59
• 4.3.2 改進BP神經(jīng)網(wǎng)絡的仿真59-62
• 4.3.3 兩種神經(jīng)網(wǎng)絡仿真結(jié)果對比分析62-63
• 4.4 本章小結(jié)63-64
• 第五章 機床主軸結(jié)構(gòu)優(yōu)化設計64-76
• 5.1 主軸結(jié)構(gòu)優(yōu)化數(shù)學模型的建立64-67
• 5.1.1 優(yōu)化問題基本理論64-65
• 5.1.2 設計變量的選擇65
• 5.1.3 目標函數(shù)的確定65-66
• 5.1.4 約束條件的確定66-67
• 5.2 基于MATLAB的主軸結(jié)構(gòu)優(yōu)化67-71
• 5.2.1 主軸優(yōu)化函數(shù)的選取68-69
• 5.2.2 主軸優(yōu)化的MATLAB實現(xiàn)69-71
• 5.3 主軸優(yōu)化前后動靜態(tài)性能對比71-75
• 5.3.1 優(yōu)化前主軸特性分析71-72
• 5.3.2 優(yōu)化后主軸特性分析72-74
• 5.3.3 優(yōu)化前后分析結(jié)果對比74-75
• 5.4 本章小結(jié)75-76
• 第六章 總結(jié)與展望76-78
• 6.1 全文總結(jié)76-77
• 6.2 研究展望77-78
• 參考文獻78-82
• 致謝82-83
• 攻讀碩士學位期間發(fā)表的學術(shù)論文和參加的科研項目83

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡技術(shù)及其在鋼鐵工業(yè)中的應用第8講人工神經(jīng)網(wǎng)絡在鋼鐵工業(yè)中的應用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經(jīng)網(wǎng)絡在冶金中的應用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經(jīng)網(wǎng)絡及在多組分分析中的初步應用[J];計算機與應用化學;2000年Z1期

5 王繼宗,王西娟;用神經(jīng)網(wǎng)絡確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經(jīng)網(wǎng)絡狀態(tài)預報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經(jīng)網(wǎng)絡在冶金工業(yè)中的應用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經(jīng)網(wǎng)絡進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等�？茖W校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經(jīng)網(wǎng)絡的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

  本文關(guān)鍵詞：基于改進BP神經(jīng)網(wǎng)絡的車床主軸優(yōu)化設計的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：366666