基于改进BP神经网络的车床主轴优化设计的研究

发布时间：2017-05-15 02:07

  本文关键词：基于改进BP神经网络的车床主轴优化设计的研究，由笔耕文化传播整理发布。

【摘要】：主轴系统作为机床的关键部件之一,其静动态性能将直接影响到机床的加工质量和加工效率。随着现代机床加工速度和精度的不断提高,对主轴部件也提出了更高的设计和加工要求。本文以CWZ61200重型机床为研究对象,在保证机床主轴良好的静动态性能的前提下,将有限元分析、遗传算法、人工神经网络、正交试验等方法结合起来运用到主轴的结构优化设计中,实现了主轴重量减轻的优化目标。针对标准BP神经网络在实际应用中的一些固有缺陷及不足,利用遗传算法全局寻优的特点,搜索出机床主轴BP神经网络模型中初始权值和阈值的最优解,得到了改进后性能更佳的神经网络。利用SolidWorks和ANSYS Workbench软件分别完成主轴三维模型的构建及有限元分析,得出其静动态性能参数;选取主轴结构参数和性能参数分别作为输入和输出样本,按照正交试验法设计的结构参数组合,不断修改主轴的三维模型并进行有限元分析,完成了神经网络训练样本集的获取。用上述获取的样本集,对基于标准和改进神经网络的主轴性能预测模型进行训练;将这两种神经网络模型的预测效果进行对比,最终选取改进后的神经网络模型来获取主轴结构参数与性能之间的非线性关系。选取主轴结构参数作为设计变量,性能参数作为约束条件,质量作为目标函数,建立了其结构优化数学模型,其中约束条件中的非线性关系由上述改进神经网络映射得到;利用MATLAB优化工具箱进行求解,最终得到了最优的结构参数组合;将优化前后机床主轴的各项性能参数指标进行对比分析,验证了该优化方法的合理性和可行性。本文提出一种利用改进的BP神经网络来建立机床主轴结构参数与其静动态性能之间的非线性映射关系,并将这种约束关系应用到主轴结构优化设计中的方法。在保证主轴良好的静动态性能的前提下,实现了减重的优化目标。
【关键词】：机床主轴 有限元 遗传算法 BP神经网络 优化
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG502.3;TP183
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-18
• 1.1 课题的来源及研究背景11-12
• 1.2 本课题国内外研究现状12-16
• 1.2.1 人工神经网络的研究与应用12-13
• 1.2.2 神经网络融合遗传算法的研究与应用13-14
• 1.2.3 结构优化设计的研究与应用14-15
• 1.2.4 当前研究存在的问题分析15-16
• 1.3 本文的研究目的与意义16
• 1.4 本文的主要研究内容16-18
• 第二章 BP神经网络融合遗传算法18-29
• 2.1 BP神经网络算法及缺陷18-24
• 2.1.1 BP神经网络数学模型18-19
• 2.1.2 BP神经网络学习算法19-22
• 2.1.3 BP算法的主要缺陷及改进22-24
• 2.2 遗传算法应用分析24-26
• 2.3 BP神经网络融合遗传算法的策略26-28
• 2.4 本章小结28-29
• 第三章 机床主轴结构有限元分析29-48
• 3.1 CWZ61200机床主轴结构29-31
• 3.2 有限元法的理论基础31-33
• 3.3 基于workbench的主轴有限元分析33-43
• 3.3.1 主轴有限元模型的建立33-35
• 3.3.2 载荷和边界条件的设定35-36
• 3.3.3 静力分析36-38
• 3.3.4 模态分析38-43
• 3.4 神经网络训练样本的获取43-47
• 3.4.1 输入量的提取与表示43-44
• 3.4.2 输出量的确定44-45
• 3.4.3 训练集的设计45-47
• 3.5 本章小结47-48
• 第四章 主轴神经网络模型的构建及仿真分析48-64
• 4.1 主轴BP神经网络模型的设计48-51
• 4.1.1 输入输出量的选择48-49
• 4.1.2 隐含层数目及其节点个数的设计49-50
• 4.1.3 网络样本的选取及数据预处理50-51
• 4.1.4 初始权值和阈值的选取51
• 4.2 优化BP网络的遗传算法的设计及实现51-54
• 4.2.1 编码方案的设计51-52
• 4.2.2 初始种群的设定52
• 4.2.3 适应度函数的确定52-53
• 4.2.4 遗传操作的设计53-54
• 4.2.5 BP神经网络的优化54
• 4.3 基于神经网络的主轴性能仿真54-63
• 4.3.1 标准BP神经网络的仿真55-59
• 4.3.2 改进BP神经网络的仿真59-62
• 4.3.3 两种神经网络仿真结果对比分析62-63
• 4.4 本章小结63-64
• 第五章 机床主轴结构优化设计64-76
• 5.1 主轴结构优化数学模型的建立64-67
• 5.1.1 优化问题基本理论64-65
• 5.1.2 设计变量的选择65
• 5.1.3 目标函数的确定65-66
• 5.1.4 约束条件的确定66-67
• 5.2 基于MATLAB的主轴结构优化67-71
• 5.2.1 主轴优化函数的选取68-69
• 5.2.2 主轴优化的MATLAB实现69-71
• 5.3 主轴优化前后动静态性能对比71-75
• 5.3.1 优化前主轴特性分析71-72
• 5.3.2 优化后主轴特性分析72-74
• 5.3.3 优化前后分析结果对比74-75
• 5.4 本章小结75-76
• 第六章 总结与展望76-78
• 6.1 全文总结76-77
• 6.2 研究展望77-78
• 参考文献78-82
• 致谢82-83
• 攻读硕士学位期间发表的学术论文和参加的科研项目83

【相似文献】

中国期刊全文数据库 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：基于改进BP神经网络的车床主轴优化设计的研究，由笔耕文化传播整理发布。

，

本文编号：366666