模糊神经网络选择机械加工参数的应用研究

论文摘要

本文以吉林省科技发展计划项目机械加工中的模糊-神经网络技术研究（编号:20040333）为背景,为解决自动化制造过程中的机械加工参数自动选择问题,以机械加工过程中的误差复映现象为具体研究对象,提出利用模糊神经网络的推理和学习能力,对机械加工过程中的切削参数进行自动选择。通过分析误差复映问题的模型,影响误差复映系数的因素等。对不同类型模糊神经网络模型进行分析比较,选择基于BP网的前向模糊神经网络模型,并综合附加动量法、自适应学习率和双极性S型压缩函数法对BP算法进行改进,以解决提高收敛速度、避免陷入局部极小等问题。采用模糊C-均值聚类来对模糊神经网络建模,避免了模糊子空间划分和参数选择的盲目性。在理论分析的基础上,通过实验获取数据,对网络进行训练和测试,训练后的网络能够满足设计要求。并设计了网络与数控加工的接口,通过输入必要的参数,可以自动生成数控机床加工程序,实验证明加工结果达到了预期的效果。从而验证了用模糊神经网络选择机械加工参数的可行性和有效性。为设计制造一体化探索了一条新的、有效的途径。对推动制造自动化技术的发展将起到积极的作用。

论文目录

• 第一章 绪论
• 1.1 问题的提出
• 1.2 研究的目的和意义
• 1.3 模糊神经网络的发展与应用
• 1.3.1 模糊控制理论的发展与应用
• 1.3.2 人工神经网络的发展与应用
• 1.3.3 模糊神经网络的发展与应用
• 1.4 本文的主要研究内容
• 第二章 模糊神经网络基本理论
• 2.1 模糊逻辑基础及模糊聚类分析
• 2.1.1 模糊逻辑基础
• 2.1.2 模糊聚类分析
• 2.1.3 动态聚类算法和模糊C—均值聚类
• 2.2 人工神经网络基本理论
• 2.2.1 人工神经元模型
• 2.2.2 神经网络拓扑结构
• 2.2.3 神经网络的学习算法
• 2.2.4 几种常用的神经网络模型
• 2.3 BP 算法及常用的改进方法
• 2.3.1 BP 网络基本结构
• 2.3.2 标准BP 算法的限制和不足
• 2.3.3 标准BP 算法的常用改进方法
• 2.4 模糊神经网络
• 2.4.1 模糊神经元的几种模型
• 2.4.2 模糊神经网络结构
• 第三章 机械加工中参数的选择
• 3.1 制造质量及影响因素
• 3.1.1 制造质量和经济精度
• 3.1.2 影响制造质量的因素分析
• 3.1.3 加工参数的选择原则
• 3.2 误差复映问题的特点分析
• 3.3 自动加工中参数的选择
• 第四章 模糊神经网络设计
• 4.1 模糊神经网络的分类、比较和选择
• 4.2 模糊神经网络模型的确定及改进策略
• 4.2.1 模糊神经网络模型的确定
• 4.2.2 模糊神经网络改进策略
• 4.3 基于模糊聚类的模糊神经网络建模
• 4.4 神经网络模型参数设计
• 4.4.1 神经网络隐含层神经元个数的确定
• 4.4.2 网络初始权值的确定
• 4.4.3 理想输出分量的确定
• 4.4.4 如何避免局部最优
• 4.5 模糊神经网络设计
• 4.5.1 学习样本的归一化处理
• 4.5.2 隶属度函数的确定
• 4.5.3 解模糊方法的选取
• 4.5.4 模糊神经网络结构
• 第五章 模糊神经网络训练数据的获取和分析
• 5.1 训练数据的获取
• 5.1.1 实验的目的和实验方案
• 5.1.2 实验装置简介
• 5.1.3 实验的策略和步骤
• 5.2 实验数据及理论分析
• 第六章 模糊神经网络的训练、测试及自动编程的实现
• 6.1 模糊神经网络的训练
• 6.2 模糊神经网络的测试
• 6.3 数控加工程序的自动生成
• 6.3.1 自动生成数控加工程序的过程
• 6.3.2 自动生成数控加工程序的实现
• 第七章 结论
• 参考文献
• 博士期间发表的论文及的科研成果
• 致谢
• 摘要
• ABSTRACT