改进型BP神经网络的3-UPS-RCR并联机构位置正解

发布时间：2021-04-27 05:14

　　针对立式旋压机的加工要求并结合并联机构的结构特点,提出利用3-UPS-RCR并联结构实现立式旋压加工操作。用Adams建立结构模型并联合Matlab实现并联机构动态仿真。基于加工轨迹利用动态仿真获得大量BP神经网络并联机构正解学习样本,并在Python环境下进行神经网络的搭建和训练。通过动量参数更新法和位移补偿法改进BP神经网络,并将结果和传统的梯度下降法进行比较,发现动量参数更新法能加快神经网络的训练速度,位移补偿法能进一步提高神经网络的拟合精度。 

【文章来源】：机械设计与研究. 2020,36(03)北大核心CSCD

【文章页数】：6 页

【文章目录】：
1 并联机构结构介绍
2 仿真系统搭建
3 神经网络搭建及改进
    3.1 BP神经网络
    3.2 动量法参数更新
    3.3 位移补偿法
4 仿真验证
4 结 论


【参考文献】：
期刊论文
[1]基于BP神经网络算法的3-CRS/SP并联机构正解分析[J]. 赵耀虹,夏昊,王自谦,李瑞琴,夭银银,王勇军.  机械传动. 2018(11)
[2]基于改进型BP神经网络的并联机构位置正解研究[J]. 高刚毅,姜全新,陈畅子.  机床与液压. 2017(21)
[3]基于BP神经网络5-P4R并联机构位置正解研究[J]. 解本铭,孙伟.  机床与液压. 2016(17)
[4]基于耦合度分析的6-SPS并联机构位置正解的计算机自动生成[J]. 左双双,沈惠平,孟庆梅,刘安心,杭鲁滨,杨廷力.  机械设计与研究. 2016(04)
[5]标准BP神经网络算法和附加动量法在沉降监测中的应用研究[J]. 李波,柳华桥,戴鑫,贾志强.  城市勘测. 2016(01)
[6]基于改进BP神经网络的股票预测[J]. 胡照跃,白艳萍.  经贸实践. 2016(02)
[7]基于BP神经网络的6-PSS并联机器人运动学正解[J]. 谢志江,冯超,王成飞.  机械设计. 2014(10)
[8]位移补偿BP神经网络的3-PPR并联机构的正解研究[J]. 谢志江,李星君,李诚,冯超.  计算机集成制造系统. 2015(07)
[9]基于旋量理论的3-US并联机构运动学分析[J]. 张云娇,魏国武,戴建生.  机械设计与研究. 2014(02)
[10]基于BP神经网络技术的3-UPU型并联机构运动学正解的研究[J]. 殷宝麟,颜兵兵,任文博,张连军.  机械制造. 2013(09)



本文编号：3162840