模糊神经网络在解决机械加工中误差复映问题的研究
发布时间：2020-10-20 06:31
机械加工精度是衡量机械加工工艺的重要指标之一。加工精度是指零件加工后的实际几何参数(尺寸、形状和表面间的相互位置)与理想几何参数的符合程度。符合程度越高,精度越高。生产中加工精度的高低是用加工误差的大小来表示的。而误差复映现象是在机械加工中普遍存在的一种现象,它是由于加工时毛坯的尺寸和形位误差、装卡的偏心等原因导致了工件加工余量变化,而工件的材质也会不均匀,故引起切削力变化而使工艺系统变形量发生改变产生的加工误差。 模糊神经网络是神经网络技术与模糊逻辑控制技术相结合的产物,是基于神经网络的模糊控制方法。本文提出用模糊神经网络来解决机械加工中的误差复映问题。通过对误差复映问题加以分析,得到加工后的误差与毛坯原有误差、工艺系统刚度、进给量、工件硬度、加工次数等的关系;针对这种映射关系得出模糊神经网络的模型来解决待解决的问题;用一个简易的偏心可调夹具在车床上进行实验,得到大量实验数据后在对数据进行整理和分析处理,在此基础上对模糊神经网络模型进行改进,并对网络进行训练完善,直至得出较为满意的输出;对网络进行测试,设计用户界面。论文最后对上述算法进行了计算机仿真,结果证明上述算法是正确和有效的。
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2005
【中图分类】：TH161
【部分图文】：
图 2-4 人工神经网络模型结构为了方便，将统一表达成∑==njijijIx1ω = θi； 10x =。函数可为线性函数，或 S 关的非线性函数，或具有任意阶导常见的传递函数有如下形式：数 <≥=0,01,0()xxfx神经元为 M－P 模型。图 2-5 阈值函数
2.3 模糊神经网络2.3.1 模糊神经元的几种模型1.由模糊规则描述的模糊神经元(第 I 类模糊神经元)在基于知识的系统中，常使用一组条件语句“If－then”规则来表示从人类专家那里所得到的知识。这种知识经常带着不确定性和模糊术语。因此，在“If－then”中，前提和结论是作为模糊集来处理的。第一类模糊神经元模型就由这种规则描述的。在图 2-10 中，表示一个具有 N 个输入和一个输出的模糊神经元，其输入－输出关系由一个“If－then”规则表示：If ()11Axiand ()12Axiand … and ()1Axnithen YB( y)ii=这里 x1，x2，··· ，xn是当前输入，Yi是第 i 个神经元的当前输出，第 i 个神经元由图 3-2 中所示的全部 M 个规则中的第 i 个描写。也就是说，每个神经元素表示 M 个“If－then”规则中的一个。
2.3 模糊神经网络2.3.1 模糊神经元的几种模型1.由模糊规则描述的模糊神经元(第 I 类模糊神经元)在基于知识的系统中，常使用一组条件语句“If－then”规则来表示从人类专家那里所得到的知识。这种知识经常带着不确定性和模糊术语。因此，在“If－then”中，前提和结论是作为模糊集来处理的。第一类模糊神经元模型就由这种规则描述的。在图 2-10 中，表示一个具有 N 个输入和一个输出的模糊神经元，其输入－输出关系由一个“If－then”规则表示：If ()11Axiand ()12Axiand … and ()1Axnithen YB( y)ii=这里 x1，x2，··· ，xn是当前输入，Yi是第 i 个神经元的当前输出，第 i 个神经元由图 3-2 中所示的全部 M 个规则中的第 i 个描写。也就是说，每个神经元素表示 M 个“If－then”规则中的一个。
【引证文献】
本文编号：2848351
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2005
【中图分类】：TH161
【部分图文】：
图 2-4 人工神经网络模型结构为了方便，将统一表达成∑==njijijIx1ω = θi； 10x =。函数可为线性函数，或 S 关的非线性函数，或具有任意阶导常见的传递函数有如下形式：数 <≥=0,01,0()xxfx神经元为 M－P 模型。图 2-5 阈值函数
2.3 模糊神经网络2.3.1 模糊神经元的几种模型1.由模糊规则描述的模糊神经元(第 I 类模糊神经元)在基于知识的系统中，常使用一组条件语句“If－then”规则来表示从人类专家那里所得到的知识。这种知识经常带着不确定性和模糊术语。因此，在“If－then”中，前提和结论是作为模糊集来处理的。第一类模糊神经元模型就由这种规则描述的。在图 2-10 中，表示一个具有 N 个输入和一个输出的模糊神经元，其输入－输出关系由一个“If－then”规则表示：If ()11Axiand ()12Axiand … and ()1Axnithen YB( y)ii=这里 x1，x2，··· ，xn是当前输入，Yi是第 i 个神经元的当前输出，第 i 个神经元由图 3-2 中所示的全部 M 个规则中的第 i 个描写。也就是说，每个神经元素表示 M 个“If－then”规则中的一个。
2.3 模糊神经网络2.3.1 模糊神经元的几种模型1.由模糊规则描述的模糊神经元(第 I 类模糊神经元)在基于知识的系统中，常使用一组条件语句“If－then”规则来表示从人类专家那里所得到的知识。这种知识经常带着不确定性和模糊术语。因此，在“If－then”中，前提和结论是作为模糊集来处理的。第一类模糊神经元模型就由这种规则描述的。在图 2-10 中，表示一个具有 N 个输入和一个输出的模糊神经元，其输入－输出关系由一个“If－then”规则表示：If ()11Axiand ()12Axiand … and ()1Axnithen YB( y)ii=这里 x1，x2，··· ，xn是当前输入，Yi是第 i 个神经元的当前输出，第 i 个神经元由图 3-2 中所示的全部 M 个规则中的第 i 个描写。也就是说，每个神经元素表示 M 个“If－then”规则中的一个。
【引证文献】
相关硕士学位论文 前2条
1 刘立堃;多工序制造过程误差综合预测模型研究[D];重庆大学;2010年
2 王宏;无温度传感器的感应加热温度控制研究[D];山东大学;2012年
本文编号：2848351
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/2848351.html
