機床商務網
技術文章
快走絲預測模擬
閱讀：889 發布時間：2012-4-11
建立如圖1所示的4-12-3型單隱含層誤差反向傳播神經網絡。隱含層神
經元個數是在網絡學習過程中通過對誤差的分析而得到[1]。輸入層4個神經元及輸出層3個神經元表征的參數指標取值范圍如表1所示。
表1 放電加工參數與加工性能指標的取值
輸入層表征參數 >輸出層表征參數
ton（μs） toff（μs） Im（A） TH（mm） vf（mm2/min） Ra（μm） EX（mm/104mm2）
2-60 20-450 1-10 5-200 40-80 0.5-2.5 ≤001
表中放電參數對于加工性能指標影響的規律為：放電脈沖寬度ton增大時，脈沖能量也大，加工速度vf提高。但此時放電凹坑既大且深，故表面粗糙度Ra增大，電極絲損耗EX也增大。脈沖間隔toff減小時，vf增大，Ra減小，EX減小。峰值電流Im增大時，vf增大，Ra增大，EX也增大。模具零件厚度TH減小時，工作液容易充滿放電間隙，電蝕產物的排出和消電離都容易，加工穩定性好，故vf提高。但此時電極絲易振動，對表面粗糙度不利，故Ra增大，EX減小。TH增大則vf也增大，但當TH達到某一特定值（50-100 mm）后，因蝕出產物排除條件差，vf反而下降。 通過對不同材質、厚度工件及各檔放電參數的組合實驗，取得50組加工性能指標數據作為樣本，對網絡進行訓練。 已知樣本輸入集與輸出集，則網絡第h層的第j個神經元的輸入輸出關系為式中，Oj（h）為第h層第j個神經元的輸出，wji（h-1）為第h-1層第i個神經元到第h層第j個神經元間的連接權，Oj（h）為輸出閾值，fj（·）為神經元輸入輸出Sigmoid函數，Nh為第h層神經元個數，當h=1時，wji（h-1）=1，Oj（h-1）即為樣本輸入集的取值。以網絡實際輸出與輸出樣本的誤差平方和Es作為網絡系統誤差，連接權的修正按E?s的負梯度方向，由輸出層向輸入層反向進行。
其修正量為 式中，η為加速收斂的動量項，Osi（h-1）為第h-1層第i個神經元在第s個樣本輸入時的輸出，δsj（h）為誤差傳播項。當h=1時，δsj（h）=0，h=2及h=3時δsj（h）的計算見文獻[2]。Ms為樣本個數。
迭代至第t步時的調權公式為：wji（h-1）（t）=wji（h-1）（t-1）+Δwji（h-1），t=1，2，…，Nc，其中Nc為滿足收斂準則Es≤ε時的迭代次數。收斂后的連接權分布能在ε精度內模擬對應的輸入輸出關系。由于各放電參數和加工性能指標的樣本原始數據具有不同的量綱與數量級，為方便訓練，分別設計了歸一化函數，使樣本數據轉化為[0，1]區間上的數。本實驗研究的網絡學習如圖2所示。
北京安德建奇數字設備有限公司主要生產：慢走絲線切割,慢走絲,快走絲,電火花成型機,電火花穿孔機,中走絲線切割廠家
/st20953
經元個數是在網絡學習過程中通過對誤差的分析而得到[1]。輸入層4個神經元及輸出層3個神經元表征的參數指標取值范圍如表1所示。
表1 放電加工參數與加工性能指標的取值
輸入層表征參數 >輸出層表征參數
ton（μs） toff（μs） Im（A） TH（mm） vf（mm2/min） Ra（μm） EX（mm/104mm2）
2-60 20-450 1-10 5-200 40-80 0.5-2.5 ≤001
表中放電參數對于加工性能指標影響的規律為：放電脈沖寬度ton增大時，脈沖能量也大，加工速度vf提高。但此時放電凹坑既大且深，故表面粗糙度Ra增大，電極絲損耗EX也增大。脈沖間隔toff減小時，vf增大，Ra減小，EX減小。峰值電流Im增大時，vf增大，Ra增大，EX也增大。模具零件厚度TH減小時，工作液容易充滿放電間隙，電蝕產物的排出和消電離都容易，加工穩定性好，故vf提高。但此時電極絲易振動，對表面粗糙度不利，故Ra增大，EX減小。TH增大則vf也增大，但當TH達到某一特定值（50-100 mm）后，因蝕出產物排除條件差，vf反而下降。 通過對不同材質、厚度工件及各檔放電參數的組合實驗，取得50組加工性能指標數據作為樣本，對網絡進行訓練。 已知樣本輸入集與輸出集，則網絡第h層的第j個神經元的輸入輸出關系為式中，Oj（h）為第h層第j個神經元的輸出，wji（h-1）為第h-1層第i個神經元到第h層第j個神經元間的連接權，Oj（h）為輸出閾值，fj（·）為神經元輸入輸出Sigmoid函數，Nh為第h層神經元個數，當h=1時，wji（h-1）=1，Oj（h-1）即為樣本輸入集的取值。以網絡實際輸出與輸出樣本的誤差平方和Es作為網絡系統誤差，連接權的修正按E?s的負梯度方向，由輸出層向輸入層反向進行。
其修正量為 式中，η為加速收斂的動量項，Osi（h-1）為第h-1層第i個神經元在第s個樣本輸入時的輸出，δsj（h）為誤差傳播項。當h=1時，δsj（h）=0，h=2及h=3時δsj（h）的計算見文獻[2]。Ms為樣本個數。
迭代至第t步時的調權公式為：wji（h-1）（t）=wji（h-1）（t-1）+Δwji（h-1），t=1，2，…，Nc，其中Nc為滿足收斂準則Es≤ε時的迭代次數。收斂后的連接權分布能在ε精度內模擬對應的輸入輸出關系。由于各放電參數和加工性能指標的樣本原始數據具有不同的量綱與數量級，為方便訓練，分別設計了歸一化函數，使樣本數據轉化為[0，1]區間上的數。本實驗研究的網絡學習如圖2所示。
北京安德建奇數字設備有限公司主要生產：慢走絲線切割,慢走絲,快走絲,電火花成型機,電火花穿孔機,中走絲線切割廠家
/st20953