基于CPSO-BP的刀具寿命预测算法

发布时间：2021-04-15 01:29

　　为了改善刀具寿命预测的精准度,文章在已有的PSO-BP神经网络算法中引入混沌理论,提出了一种基于混沌粒子群算法优化BP神经网络（CPSO-BP神经网络）的刀具寿命预测方法。该方法采用粒子群算法优化网络权值和阈值,通过混沌扰动更新粒子的位置。CPSO-BP神经网络算法既避免了BP神经网络存在的收敛速度慢、易陷入局部最优的缺点,又改善了全局搜索能力,同时,降低了粒子群优化算法造成早熟收敛或停滞的可能性。仿真结果表明:与已有的PSO-BP神经网络算法相比,该文的CPSO-BP神经网络算法用于刀具寿命预测时收敛速度和预测精度均更胜一筹。 

【文章来源】：组合机床与自动化加工技术. 2020,(08)北大核心

【文章页数】：4 页

【部分图文】：

三层BP神经网络结构

CPSO-BP神经网络算法(Chaotic Particle Swarm Optimization BP neural network algorithm)的具体流程如图2所示。3 预测结果分析

表1 刀具寿命预测样本数据 序号 D0/mm Z ap/mm aw/mm f/mm/tooth vcm/min Kv T/min 0 80 4 2 40 0.12 183 1.2 72 1 80 4 3 50 0.10 175 1.2 85 2 100 5 4 60 0.13 150 1.1 98 3 100 5 5 75 0.15 130 1.4 107 4 100 5 7 60 0.07 173 1.3 125 5 125 6 5 75 0.10 144 1.0 180 6 125 6 7 80 0.11 140 1.3 136 7 125 6 6 90 0.13 135 1.2 113 8 160 8 3 96 0.10 150 1.6 190 9 160 8 5 100 0.13 130 1.4 171 10 160 8 9 110 0.18 108 1.0 153 11 200 10 8 115 0.13 125 1.3 180 12 200 10 3 135 0.16 115 1.5 250 13 250 12 9 150 0.18 110 1.0 160 14 250 12 10 170 0.20 105 1.1 137 15 315 16 5 210 0.24 95 1.3 326 16 315 16 9 190 0.13 110 1.3 305 17 100 5 5 55 0.10 165 1.5 100 18 125 6 3 75 0.13 135 1.4 190 19 160 8 9 96 0.18 110 1.6 160 20 200 10 6 110 0.15 125 1.2 165 21 250 12 7 140 0.13 120 1.1 240图4 刀具寿命预测相对误差对比


本文编号：3138398