基于改进型BP神经网络的并联机构位置正解研究

发布时间：2018-04-19 11:15

  本文选题：并联机构 + 位置正解　； 参考：《机床与液压》2017年21期

【摘要】：采用了一种改进型的BP神经网络方法对3-RSR并联机构的位置正解进行了研究,首先通过理论方法对3-RSR并联机构的位置逆解进行求解,然后采用改进型BP神经网络对通过位置逆解得到的数据进行了网络训练,神经网络训练结果与理论结果对比,验证了该方法的合理性。而且,对比改进后的BP神经网络结果与普通BP神经网络结果,发现两种方法均具有非常高的计算效率,且有效避免了复杂的推导和演算,但改进型BP神经网络方法得到的结果精度更高,因而在高精度的工程领域,采用改进型BP神经网络方法更具合理性。
[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.
【作者单位】： 荆楚理工学院机械工程学院;
【基金】：荆门市2015年科技项目支持(YFZD2015056)
【分类号】：TH112;TP183

【相似文献】

相关期刊论文 前10条

1 贾爽;贺利乐;;基于粒子群优化SOM神经网络的轴系多振动故障诊断[J];机械传动;2011年06期

2 唐贵基;杨玉婧;宋彩萌;;基于神经网络的旋转机械振动故障诊断[J];机械工程师;2012年01期

3 栾美洁;许飞云;贾民平;;旋转机械故障诊断的神经网络方法研究[J];噪声与振动控制;2008年01期

4 高强;钱林方;侯远龙;王力;;泵控缸电液位置伺服系统的神经网络模型参考自适应控制[J];机床与液压;2008年06期

5 徐小力;左云波;吴国新;;量子神经网络在旋转机组状态趋势预测中的应用[J];机械强度;2010年04期

6 何文;同淑荣;王克勤;;基于神经网络的质量控制图异常诊断[J];机械制造;2013年05期

7 许宁,黄之初;神经网络在旋转机械故障诊断中的应用研究[J];矿山机械;2005年08期

8 宋文杰;刘伯峰;王平;姜冰;;基于小波—神经网络的故障劣化趋势检测[J];职大学报(自然科学版);2006年02期

9 王志涛;肖明清;谢化勇;禚真福;薛辉辉;;基于神经网络的故障诊断效能模糊综合评价研究[J];计算机测量与控制;2011年12期

10 戴中浩;林琼;王秋成;;基于神经网络的再制造自动变速箱检测及试验研究[J];机械制造;2012年01期

相关会议论文 前10条

1 杜福银;封其勃;;一种基于Hopfield神经网络作业车间调度问题的优化方法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

2 宋国明;王厚军;姜书艳;刘红;;基于神经网络的融合智能诊断方法在模拟电路故障诊断中的应用[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 宋轶民;余跃庆;张策;马文贵;;基于神经网络的机敏机构振动自校正控制[A];第十二届全国机构学学术研讨会论文集[C];2000年

4 吴洪民;;气动伺服定位系统的神经网络模糊自适应PID控制[A];第一届全国流体动力及控制工程学术会议论文集（第二卷）[C];2000年

5 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];液压与气动学术研讨会论文集[C];2004年

6 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];第三届全国流体传动及控制工程学术会议论文集（第三卷）[C];2004年

7 曹春红;张斌;王利民;李文辉;;基于免疫神经网络的几何约束求解技术的研究[A];第二十七届中国控制会议论文集[C];2008年

8 杨东超;杨向东;刘莉;陈恳;;并联机构的可驱动性研究[A];2007年中国机械工程学会年会论文集[C];2007年

9 张义凤;姚郁;;六自由度并联机构驱动速度性能优化设计[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

10 孟飞;;极限边界搜索实现的并联机构工作空间分析[A];先进制造技术论坛暨第五届制造业自动化与信息化技术交流会论文集[C];2006年

相关博士学位论文 前10条

1 毛秉毅;闭环和并联机构拓扑胚图理论与应用[D];燕山大学;2015年

2 丁建;六自由度并联机构精度分析及其综合方法研究[D];哈尔滨工业大学;2015年

3 徐东涛;基于动力学分析的改进型Delta并联机构运动可靠性建模技术[D];东北大学;2015年

4 纪志飞;3-SPS张拉整体并联机构的构型综合与运动性能分析及能量采集研究[D];西安电子科技大学;2015年

5 曹文熬;空间多环耦合机构数字化构型综合理论[D];燕山大学;2014年

6 叶伟;一类可重构并联机构的结构设计方法与运动学分析[D];北京交通大学;2016年

7 汪从哲;多转动自由度并联机构的结构创新设计与应用研究[D];北京交通大学;2016年

8 张秀礼;一类含复合驱动及约束分支少自由度并联机构理论研究[D];燕山大学;2016年

9 田体先;计及阻尼影响的六自由度并联机构模态空间设计及控制[D];哈尔滨工业大学;2015年

10 侯志利;基于五杆机构的可重构并联机构设计方法与实验研究[D];中北大学;2017年

相关硕士学位论文 前10条

1 王栗;面向电机轴承的快速故障诊断方法研究[D];沈阳理工大学;2015年

2 于会超;机械触觉机构及控制的研究与应用[D];华北理工大学;2015年

3 李捷;基于神经网络的轴承故障诊断技术研究[D];电子科技大学;2015年

4 宋银芳;桥式起重机故障分析与故障率预测方法研究[D];安徽理工大学;2016年

5 高芮;基于神经网络的机械故障诊断技术的研究[D];青岛科技大学;2016年

6 程翔;基于神经网络的轮带系统横向振动的变结构控制[D];福州大学;2014年

7 庞艳艳;基于选择性神经网络的故障诊断研究[D];华中科技大学;2014年

8 徐铭志;基于神经网络PID的金属带式无级变速器速比控制研究[D];燕山大学;2016年

9 齐放;基于极限学习机的设备故障预测方法及应用研究[D];北京化工大学;2016年

10 尤海鑫;BP神经网络与模糊逻辑在智能故障诊断中的应用[D];大连交通大学;2014年

，

本文编号：1772867