神经网络在自由曲线插补中的应用研究
发布时间：2021-07-26 00:44
数控插补技术是计算机数字控制（Computer Numerical Control,CNC）系统中的重要功能之一,其性能直接影响着工件的最终加工质量。插补计算的精度以及插补程序的运行时间对于整个CNC系统的性能都具有很大的影响。非均匀有理B样条（Non-Uniform Rational B-Splines,NURBS）是目前研究数控插补技术的热点,但NURBS曲线插补方法需要建立被控对象的精确数学模型,涉及的计算颇为复杂,速度波动大;而对于具有自由曲线曲面轮廓的工件,其数控加工过程均具有时变、非线性等特点,往往难以建立其精确的数学模型。本文以神经网络作为技术手段,以自由曲线的数控插补作为研究对象,提出采用径向基函数（Radical Basis Function,RBF）神经网络方法来解决自由曲线的插补问题,不依赖被控对象的数学模型,计算量小,模型简单。具体的研究内容如下:（1）利用神经网络技术建立起自由曲线的数控插补模型,选择合适的样本数据和网络参数对模型进行训练,使模型输出能够满足预设的插补精度要求,此时的模型输出即可作为刀具插补点。（2）对数控加工过程当中常用的速度控制方法进行分析...
【文章来源】：兰州理工大学甘肃省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 数控插补技术的国内外研究现状及进展
1.2.1 数控插补技术的国外研究现状
1.2.2 数控插补技术的国内研究现状
1.3 神经网络的发展及研究现状
1.4 神经网络和数控插补技术的结合
1.5 论文的主要研究内容
第2章 神经网络相关理论研究
2.1 神经网络原理和功能
2.1.1 神经网络原理
2.1.2 神经网络常用的激励函数
2.1.3 神经网络的功能
2.1.4 神经网络的分类
2.2 多种神经网络模型的特点及应用分析
2.2.1 感知器神经网络
2.2.2 BP神经网络
2.2.3 自组织映射网络
2.2.4 RBF神经网络
2.3 RBF神经网络概述
2.3.1 RBF网络原理
2.3.2 径向基函数
2.3.3 RBF神经网络的特点
2.4 RBF网络的学习算法
2.5 本章小结
第3章 设计RBF神经网络数控插补模型
3.1 数控插补原理
3.2 径向基网络设计的方法
3.2.1 用newrbe函数创建径向基网络
3.2.2 用newrb函数创建径向基网络
3.3 设计RBF网络模型
3.3.1 输入、输出层节点数
3.3.2 求解隐含层参数
3.3.3 求解输出权值
3.4 测试神经网络插补模型
3.5 循环插补系统设计
3.6 本章小结
第4章 面向RBF神经网络数控插补模型的速度控制
4.1 速度分析
4.2 预处理
4.2.1 判别速度敏感点
4.2.2 轮廓误差约束下的进给速度
4.3 S曲线柔性加减速控制方法
4.4 五段S曲线加减速控制方法
4.4.1 基本原理和公式推导
4.4.2 确定减速点的位置
4.5 五段S曲线速度方程推导
4.6 本章小结
第5章 RBF神经网络插补模型的验证
5.1 实验环境介绍
5.2 RBF神经网络数控插补模型仿真实验
5.2.1 仿真试验方案流程
5.2.2 预设仿真试验参数
5.3 仿真结果分析
5.3.1 轮廓误差分析
5.3.2 速度和加速度分析
5.3.3 实时性分析
5.4 本章小结
结论与展望
结论
展望
参考文献
致谢
附录:攻读学位期间所发表的学位论文目录
【参考文献】：
期刊论文
[1]基于MEA-BP神经网络的图像复原方法[J]. 莫思雨,周晴. 电子设计工程. 2018(21)
[2]基于BP人工神经网络技术的民用航发油路故障提取[J]. 张永强,易亮. 测控技术. 2018(S1)
[3]BP和RBF神经网络在函数逼近上的对比与研究[J]. 张志勰,虞旦. 工业控制计算机. 2018(05)
[4]三种RBF网络函数逼近性能对比及应用研究[J]. 伍凯,贺正洪,张晶,赵敏. 火力与指挥控制. 2018(03)
[5]改进的PSO-RBF神经网络在联合制碱中的应用[J]. 李永伟,李钰曼,王红飞,李丽铭. 河北科技大学学报. 2017(06)
[6]B样条曲线柔性加减速前瞻控制算法的研究[J]. 罗亮,高敏,黄正良,刘知贵. 机械设计与制造. 2017(09)
[7]神经网络技术在风电机组SCADA数据分析中的应用研究[J]. 杜勉,易俊,郭剑波,程林,马士聪,贺庆. 电网技术. 2018(07)
[8]交会图和BP神经网络技术在碎屑岩识别中的应用[J]. 国景星,彭雪还,李飞. 甘肃科学学报. 2016(06)
[9]谈数控技术在机械加工中的应用与发展前景[J]. 庞钦. 黑龙江科技信息. 2016(24)
[10]国产数控机床的技术现状与对策[J]. 赵万华,张星,吕盾,张俊. 航空制造技术. 2016(09)
博士论文
[1]非线性不确定系统的神经网络控制研究[D]. 任怀庆.吉林大学 2014
[2]自适应NURBS曲线插补关键技术及实现研究[D]. 沈洪垚.浙江大学 2010
[3]自由曲面高性能数控加工刀具路径技术研究[D]. 杨旭静.湖南大学 2006
硕士论文
[1]车磨复合数控系统的插补与加减速技术的研究与开发[D]. 周永洪.华南理工大学 2017
[2]基于RBF神经网络与信息融合的轨道电路故障诊断系统[D]. 彭晔.石家庄铁道大学 2017
[3]面向数控系统的非线性运动控制插补算法的研究及实现[D]. 陈彬.广州大学 2016
[4]神经网络控制在减压塔中应用的仿真研究[D]. 张珏.燕山大学 2016
[5]基于LM改进的RBF神经网络算法研究[D]. 肖清湄.西南大学 2016
[6]五轴联动双NURBS曲线插补算法研究[D]. 王群.湖南大学 2012
[7]基于遗传—神经网络的数控插补算法的研究[D]. 陈东菊.哈尔滨工业大学 2006
本文编号：3303098
【文章来源】：兰州理工大学甘肃省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 数控插补技术的国内外研究现状及进展
1.2.1 数控插补技术的国外研究现状
1.2.2 数控插补技术的国内研究现状
1.3 神经网络的发展及研究现状
1.4 神经网络和数控插补技术的结合
1.5 论文的主要研究内容
第2章 神经网络相关理论研究
2.1 神经网络原理和功能
2.1.1 神经网络原理
2.1.2 神经网络常用的激励函数
2.1.3 神经网络的功能
2.1.4 神经网络的分类
2.2 多种神经网络模型的特点及应用分析
2.2.1 感知器神经网络
2.2.2 BP神经网络
2.2.3 自组织映射网络
2.2.4 RBF神经网络
2.3 RBF神经网络概述
2.3.1 RBF网络原理
2.3.2 径向基函数
2.3.3 RBF神经网络的特点
2.4 RBF网络的学习算法
2.5 本章小结
第3章 设计RBF神经网络数控插补模型
3.1 数控插补原理
3.2 径向基网络设计的方法
3.2.1 用newrbe函数创建径向基网络
3.2.2 用newrb函数创建径向基网络
3.3 设计RBF网络模型
3.3.1 输入、输出层节点数
3.3.2 求解隐含层参数
3.3.3 求解输出权值
3.4 测试神经网络插补模型
3.5 循环插补系统设计
3.6 本章小结
第4章 面向RBF神经网络数控插补模型的速度控制
4.1 速度分析
4.2 预处理
4.2.1 判别速度敏感点
4.2.2 轮廓误差约束下的进给速度
4.3 S曲线柔性加减速控制方法
4.4 五段S曲线加减速控制方法
4.4.1 基本原理和公式推导
4.4.2 确定减速点的位置
4.5 五段S曲线速度方程推导
4.6 本章小结
第5章 RBF神经网络插补模型的验证
5.1 实验环境介绍
5.2 RBF神经网络数控插补模型仿真实验
5.2.1 仿真试验方案流程
5.2.2 预设仿真试验参数
5.3 仿真结果分析
5.3.1 轮廓误差分析
5.3.2 速度和加速度分析
5.3.3 实时性分析
5.4 本章小结
结论与展望
结论
展望
参考文献
致谢
附录:攻读学位期间所发表的学位论文目录
【参考文献】：
期刊论文
[1]基于MEA-BP神经网络的图像复原方法[J]. 莫思雨,周晴. 电子设计工程. 2018(21)
[2]基于BP人工神经网络技术的民用航发油路故障提取[J]. 张永强,易亮. 测控技术. 2018(S1)
[3]BP和RBF神经网络在函数逼近上的对比与研究[J]. 张志勰,虞旦. 工业控制计算机. 2018(05)
[4]三种RBF网络函数逼近性能对比及应用研究[J]. 伍凯,贺正洪,张晶,赵敏. 火力与指挥控制. 2018(03)
[5]改进的PSO-RBF神经网络在联合制碱中的应用[J]. 李永伟,李钰曼,王红飞,李丽铭. 河北科技大学学报. 2017(06)
[6]B样条曲线柔性加减速前瞻控制算法的研究[J]. 罗亮,高敏,黄正良,刘知贵. 机械设计与制造. 2017(09)
[7]神经网络技术在风电机组SCADA数据分析中的应用研究[J]. 杜勉,易俊,郭剑波,程林,马士聪,贺庆. 电网技术. 2018(07)
[8]交会图和BP神经网络技术在碎屑岩识别中的应用[J]. 国景星,彭雪还,李飞. 甘肃科学学报. 2016(06)
[9]谈数控技术在机械加工中的应用与发展前景[J]. 庞钦. 黑龙江科技信息. 2016(24)
[10]国产数控机床的技术现状与对策[J]. 赵万华,张星,吕盾,张俊. 航空制造技术. 2016(09)
博士论文
[1]非线性不确定系统的神经网络控制研究[D]. 任怀庆.吉林大学 2014
[2]自适应NURBS曲线插补关键技术及实现研究[D]. 沈洪垚.浙江大学 2010
[3]自由曲面高性能数控加工刀具路径技术研究[D]. 杨旭静.湖南大学 2006
硕士论文
[1]车磨复合数控系统的插补与加减速技术的研究与开发[D]. 周永洪.华南理工大学 2017
[2]基于RBF神经网络与信息融合的轨道电路故障诊断系统[D]. 彭晔.石家庄铁道大学 2017
[3]面向数控系统的非线性运动控制插补算法的研究及实现[D]. 陈彬.广州大学 2016
[4]神经网络控制在减压塔中应用的仿真研究[D]. 张珏.燕山大学 2016
[5]基于LM改进的RBF神经网络算法研究[D]. 肖清湄.西南大学 2016
[6]五轴联动双NURBS曲线插补算法研究[D]. 王群.湖南大学 2012
[7]基于遗传—神经网络的数控插补算法的研究[D]. 陈东菊.哈尔滨工业大学 2006
本文编号：3303098
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3303098.html
