基于BP神经网络算法的四杆机构轨迹分析

发布时间：2020-06-05 07:12

【摘要】： 由于四连杆曲线类型的复杂性,数学上几乎无法准确给出连杆曲线的公式,而四连杆曲线在机械工程领域的应用几乎无处不在,因此对于四连杆曲线的研究历来受到许多学者的关注。目前采用人工神经网络算法对连杆曲线的研究受到了广泛关注,本文将引入神经网络算法中的BP网络算法来对四连杆曲线进行分析。本文首先描述了四连杆曲线的分类,然后针对不同分类的连杆曲线进行了分析,得出了连杆曲线与四杆参数存在着一定的非线性关系。借助Delphi编制的软件可将四连杆参数准确地绘制出对应分类的连杆曲线,再利用matlab.提取了连杆曲线的数字化特征值——不变矩,建立了四连杆参数数值与对应的连杆曲线不变矩之间的样本库。通过样本库,以不变矩作为输入量,利用BP网络算法得出了连杆曲线与四杆机构参数之间的权值系数。最终借助权值系数得到一条待分析曲线对应的四杆机构参数。由于不变矩具有放大,缩小的不变性,所以,当待分析的曲线与BP计算后得到的曲线形状相似时,则可根据对应的比例获得相应的四连杆参数。本文以卵圆形曲线和8字形曲线等两条待求四连杆曲线为例,采用上述方法对曲线进行了处理,所得四连杆曲线的相对误差一般能满足设计,从而验证了BP网络算法对于卵圆形曲线和8字形曲线与四连杆参数之间均具有较好的非线性关联,也就验证了本方法在连杆曲线综合方面具有一定的可行性、实用性。
【图文】：

属性图,机构

机构软件实现曲线图谱的产生程序设计时首先确定输入量，如图2一1和图2一2，其中有两个支撑点，，原动连杆和摇杆4个属性进行合理的调整从而确保能组成任一合理的平面四杆……摹点勒勒基基点 Yooo角角蛋蛋长长度度图2一1机构属性图

隐层节点数,隐含层节点,时效,网络结构

y=了(wx+日)=丁，一二二二弄l十e、”一产(4一24)、.，一_、1一_，一_、。，~，_~令(wx+的一‘，则有y一f(t，=1五万，共盯皿幽数叩瑙4一乙图4一Zj’ igmoid函数(2)隐含层节点数的数目在B尸网络中，隐层节点数的选择非常重要，太大的网络结构在训练时效率不高，而且还会由于过拟合(ove听ttl’ng)造成网络的性能脆弱，泛化能力(ge。。ralizatl’口。ability)下降;太小的网络可能就根本不收敛。隐层节点数的选择不仅对建立的神经网络模型的性能影响很大，而且是训练时出现”过拟合”的直接原因，但是目前理论上还没有一种科学的和普遍的确定方法。有的在计算比较少的输入节点时，选择了三层的B尸网络算法，选取隐含层节点个数为输入节点的倍关系[27]
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH112.1

【参考文献】