基于模糊神經(jīng)網(wǎng)絡(luò)的表面粗糙度建模研究.pdf

《基于模糊神經(jīng)網(wǎng)絡(luò)的表面粗糙度建模研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、2012年5月機(jī)床與液壓Mav2012第40卷第9期MACHINET00L＆HYDRAULICSVo1．40No．9DOI：10．3969／j．issn．1001—3881．2012．09．040基于模糊神經(jīng)網(wǎng)絡(luò)的表面粗糙度建模研究崔伯第，郭建亮(1．淮海工學(xué)院機(jī)械工程學(xué)院，江蘇連云港222005；2．寧波工程學(xué)院機(jī)械工程學(xué)院，浙江寧波315016)摘要：根據(jù)零件表面粗糙度形成的復(fù)雜性，提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的表面粗糙度預(yù)測建模方法，并以外圓車削加工為例，建立了車削加工參數(shù)與工件表面粗糙度的預(yù)測模型

2、。試驗(yàn)表明，所提出的模糊神經(jīng)網(wǎng)絡(luò)建模方法可對零件表面粗糙度進(jìn)行有效預(yù)測。關(guān)鍵詞：表面粗糙度；模糊神經(jīng)網(wǎng)絡(luò)；車削；歸一化處理中圖分類號(hào)：THI6I文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001—3881(2012)9—132—3ResearchonModelingofSurfaceRoughnessBasedonFuzzyNeuralNetworksCUIBodi．GUOJianliang(1．CollegeofMechanicalEngineering，HuaihaiInstituteofTechnology，Lia

3、nyungangJiangsu222005，China；2．SchoolofMechanicalEngineering，NingboUniversityofTechnology，NingboZhejiang315016，China)Abstract：Accordingtothecomplexityofpartsurfaceroughness，apredictivemodelingmethodofthesurfaceroughnessbasedonfuzzyneuralnetworkswaspropose

4、d．Themodelofsurfaceroughnessforturningouterroundnessofoperationswasbuilttodemonstratethepredictivemodelingofturningoperationaldataandpartsurfaceroughness．Experimentalresultsshowthattheproposedmethodisbotheffectiveandeficientforsurfaceroughnesspredictivem

5、odeling．Keywords：Surfaceroughness；Fuzzyneuralnetworks；Turning；Normalization零件的表面粗糙度是衡量工件加工質(zhì)量的一個(gè)重相結(jié)合的產(chǎn)物，兼具了二者的優(yōu)點(diǎn)，具有以任意精度要指標(biāo)，直接影響機(jī)械設(shè)備的使用壽命和使用性能。逼近非線性函數(shù)的功能，有更高的推廣能力和收斂速影響加工中零件表面粗糙度的因素眾多，包括工件材度，且模糊神經(jīng)網(wǎng)絡(luò)參數(shù)的物理意義十分清晰。作者料的化學(xué)成分、金相組織、工件尺寸、刀具特性、修提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的表面粗糙度預(yù)

6、測建模整狀況、磨損程度、切削參數(shù)、冷卻液以及加工過程方法，并應(yīng)用于外圓車削加工過程，建立了車削加工中的一些不確定因素等，因此很難獲得加工中零件參數(shù)與工件表面粗糙度的預(yù)測模型，并進(jìn)行了相應(yīng)的表面粗糙度的精確數(shù)學(xué)模型。有學(xué)者采用回歸分試驗(yàn)研究。析。、神經(jīng)網(wǎng)絡(luò)等方法對表面粗糙度展開預(yù)測建1數(shù)據(jù)預(yù)處理模的研究。但回歸分析法在建模精度和泛化能力方面由于試驗(yàn)獲得的原始數(shù)據(jù)的量綱和取值范圍不同，尚不能滿足表面粗糙度預(yù)測的要求，而神經(jīng)網(wǎng)絡(luò)模型造成網(wǎng)絡(luò)的各個(gè)輸入?yún)?shù)值相差較大。為消除其影響，存在網(wǎng)絡(luò)內(nèi)部單元意義不明確、訓(xùn)

7、練時(shí)間長、難以表采用歸一化處理方法使輸入?yún)?shù)分布在[一1，1]區(qū)間達(dá)結(jié)構(gòu)化知識(shí)等缺點(diǎn)。此外，對表面粗糙度進(jìn)行在線內(nèi)。歸一化處理按式(1)進(jìn)行測量也得到了一定程度的關(guān)注。但由于零件的加2(d一d?)1，1、Xi—d一d?一工過程是一個(gè)動(dòng)態(tài)過程，而且許多零件加工現(xiàn)場又不?可避免地存在切屑和切削液，用直接測量方法在線獲式中：，為歸一化處理后的數(shù)據(jù)向量；得工件表面粗糙度在實(shí)際生產(chǎn)應(yīng)用中存在一定的困d為原始數(shù)據(jù)向量，i表示第i個(gè)輸入?yún)?shù)；難。dmax為原始數(shù)據(jù)向量中的最大值，d?=max隨著智能理論研究的不斷深入

8、，將模糊推理系統(tǒng)k6kubtz；的知識(shí)表達(dá)能力與神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力結(jié)合起來已成dmio為原始數(shù)據(jù)向量中的最小值，d?=min為現(xiàn)實(shí)。模糊神經(jīng)網(wǎng)絡(luò)是將模糊推理系統(tǒng)與神經(jīng)網(wǎng)絡(luò)r8pum4l。收稿日期：2011—05—05作者簡介：崔伯第(1977一)，男，博士，從事先進(jìn)制造技術(shù)研究。E—mail：cbd08007@yahoo．con1．a(chǎn)n。第9期崔伯第等：基于模糊神經(jīng)網(wǎng)絡(luò)的表面粗糙度建模研究·133·2模糊神經(jīng)網(wǎng)絡(luò)建模：exp卜÷()‘](4)模糊系統(tǒng)的聯(lián)接