人工神经网络在机械自动化加工参数优化选择中的应用研究（本科毕业论文设计）.doc

摘 要

在现代机械加工生产过程中，参数的选择问题成为困扰设计者的一个难题，它关系到如何提高加工精度并直接影响产品性能及成本，这就使得这一问题也成为设计者积极解决的问题。通过改进人工神经网络的任意非线性映射能力，逼近误差复映系数与工件材料、进给量等因素之间的非线性关系，对训练成熟的网络输入加工前毛坯误差、工件材料硬度等，可以输出满足加工要求的加工次数和各次加工量。
实验表明：基于人工神经网络的参数优化选择模型考虑了工件材料、进给量等因素，能够作出比较准确的预测，它的学习特性能够以较好的稳定性和精度模拟输入输出间的非线性关系，有很广泛的发展前景。




关键词：参数优化选择，人工神经网络，BP网络，MATLAB7.0。



ABSTRACT

In modern production machining process, the parameter optimization is problem puzzling the designer, which is related to how to improve the accuracy of processing and has a direct impact on product performance and cost. This issue attracts designers to find a positive solution.

By improving the arbitrary nonlinear mapping capability of artificial neural networks, the nonlinear connections among the error-reflection, workpiece materials, feed rate and other factors are approximated. The input of the trained network includes rough processing error, the workpiece material hardness and so on; the output includes the processing time and the processing volume, which can meet the processing requirements.
Experiments show that: the optimization model based on artificial neural network, which considers the workpiece material, the feed rate and other factors, can make comparatively accurate forecast. Its characteristics ensure that it can simulate the input-output nonlinear relationship with stability and accuracy, which has a very broad prospect for development.
Key words: parameter optimization, artificial neural network, BP Network，MATLAB7.0.



目 录
摘要………………………………………………………………………………… Ⅰ
ABSTRACT……………………………………………………………………………Ⅱ
1.绪论……………………………………………………………………………… 1
1.1本文的目的及意义……………………………………………………………………… .1
1.2人工神经网络概率及提出……………………………………………………………… 2
1.3MATLAB的神经网络工具箱…………………………………………………………………3
1.4本文的主要研究内容…………………………………………………………… 4
2.人工神经网络简介…………………………………………………………… 5
2.1神经细胞及人工神经元的组成………………………………………………………… 5
2.2人工神经网络的功能…………………………………………………………………… 6
2.3人工神经网络的基本结构……………………………………………………… 7
2.3.1神经元网络的简化模型…………………………………………………………… 7
2.3.2单层神经元网络和多层神经网络…………………………………………………… 8
2.3.3激活转移函数……………………………………………………………… 9
2.4神经网络的发展方向…………………………………………………………… 11
3. 解决误差复映的神经网络………………………………………………… 14
3.1误差复映问题的特点分析……………………………………………………………… 14
3.2神经网络模型的确定…………………………………………………………………… 16
3.3输入输出参数的确定…………………………………………………………… 16
4.BP网络及算法改进………………………………………………………… 18
4.1BP网络的结构…………………………………………………………………………… 18
4.2BP网络存在的问题及算法改进………………………………………………… 18
4.2.1BP网络存在的问题………………………………………………………………… 18
4.2.2BP算法改进………………………………………………………………… 19
5.数据预处理与BP网络设计………………………………………………… 20
5.1数据预处理……………………………………………………………………………… 20
5.2确定网络的隐层数和各层神经元数……………………………………………… 20
5.2.1隐层数的确定………………………………………………………………………… 20
5.2.2隐层神经元的选择…………………………………………………………… 20
5.3训练参数及训练测试…………………………………………………………… 21
5.3.1训练网络程序代码…………………………………………………………………… 21
5.3.2测试网络及结论………………………………………………………………23
6.图形界面设计结构……………………………………………………………25
6.1图形界面设计结果……………………………………………………………………… 25
6.2网络程序源代码…………………………………………………………………27
7.总结………………………………………………………………………………30
参考文献……………………………………………………………………………31
致谢………………………………………………………………………………… 32