共查询到20条相似文献,搜索用时 0 毫秒
1.
神经网络算法在金属零件加工表面粗糙度预测中有着广泛的运用,但是尚存网络初始化及梯度弥散这类"黑盒"问题.提出一种基于传统PSO-BP框架的改进模型,使用Xavier替代传统高斯分布初始化粒子群,在算法优化器方面使用最新的自适应矩限制取代随机梯度下降算法进行模型参数更新,经实际测试发现其训练集均方误差及其测试集绝对误差相... 相似文献
2.
以切削速度、进给量、切削深度、刀尖圆弧半径为设计变量,采用正交试验法进行了立方氮化硼(CBN)刀具干式车削冷作模具钢Cr12MoV的试验研究。利用神经网络的非线性拟合能力和遗传算法的全局寻优能力,建立了加工表面粗糙度预测模型并获得了使表面粗糙度达到最优的切削用量与刀尖圆弧半径组合。利用遗传算法获得的最优表面粗糙度值比田口方法和切削试验所获得的最佳表面粗糙度值分别降低了7.1%和17.2%。文中所采用的方法也为切削加工中刀具磨损、切削力和残余应力等问题的建模与参数优化提供理论参考。 相似文献
3.
传统抛光过程中,抛光参数通常是根据工件表面设置为恒定值。但如果工件表面不均匀,恒定的抛光参数对于材料去除量大的区域会发生欠抛光现象,进而降低抛光效率,影响加工表面质量。为此,基于神经网络(NNW)和遗传算法(GA)提出一种工业机器人不均匀工件表面抛光算法,解决不均匀表面抛光过程中出现的问题。应用神经网络预测某一确定的抛光参数对应的抛光性能,利用训练的神经网络模型输出包括最佳材料去除率和改善表面粗糙度的目标函数;将遗传算法用于优化模型抛光参数。通过对不均匀表面的抛光实验,验证了该算法的有效性。 相似文献
4.
点焊机器人在工业领域内被广泛应用,合理的焊接顺序可以提高生产效率。为了实现点焊机器人的路径最优规划,针对点焊路径和工作时间建立多目标问题模型,提出一种融合改进快速非支配排序的多目标平衡优化器算法(DMONEO)。加入快速非支配排序,并采用生存评分策略替代拥挤度因子,可以更好地保持种群的多样性,防止DMONEO过早收敛。TSPLIB基准实验结果表明,DMONEO算法相比于其他算法性能表现更好。最后在实际点焊机器人的路径规划应用中进行仿真实验并与其他算法对比,结果表明提出的算法得到的优化效果更好,耗时更短。 相似文献
5.
针对数控铣床在切削过程中产生的振动对工件表面质量的影响,提出以低振动和高表面质量为优化目标,对切削参数进行优化。以VDF-850A铣床为研究对象对45号钢进行铣削正交试验,通过建立振动采集系统,采集振动信号提取振动特征值并测量工件表面粗糙度值,应用最小二乘法拟合数据建立了振动和粗糙度数学模型。利用层次分析法确定两目标函数权重,使用平方和加权法对两目标函数加权拟合成综合目标评价函数,运用粒子群算法优化切削参数。试验结果表明:应用粒子群算法优化后的切削参数进行加工可有效的降低振动和提高表面质量。 相似文献
6.
7.
8.
9.
《塑性工程学报》2016,(4):173-179
提出了一种改进多目标粒子群优化(IMOPSO)算法,并用于优化注塑成型过程中熔接痕的长度和相遇角。基于成型工艺参数建立了熔接痕多目标优化模型,同时提出了改进混合神经网络(HNN)作为预测熔接痕长度和相遇角的代理模型。其中,通过Taguchi方法设计实验,采用Moldflow软件得到了训练改进HNN的样本。基于Pareto支配理论,提出了一种IMOPSO算法,并通过算例验证了其在多目标优化问题中的有效性。采用IMOPSO算法对注塑件熔接痕的长度和相遇角进行优化。将优化结果和MPI实验结果进行比较表明,IMOPSO算法能有效地优化注塑制品的熔接痕质量。 相似文献
10.
11.
12.
热误差是影响数控机床加工精度的主因,为提高数控机床热误差模型的预测精度,提出了基于改进粒子群优化BP神经网络的数控机床热误差建模预测方法。针对BP易陷入局部最优、收敛速度慢,在标准粒子群算法的基础上,改进粒子的速度与位置更新策略,在此基础上优化BP神经网络的阈值和权值,并建立数控机床热误差预测模型;借助于MATLAB完成仿真实验,结果表明,与标准的BP神经网络和支持向量机相比,基于改进粒子群优化BP神经网络的数控机床热误差预测模型精度高、泛化能力强。 相似文献
13.
目的 在湿性物理抛光作业中,根据不同工件的表面抛光质量和效率要求,实现抛光工艺参数的自适应匹配,达到理想的抛光效果。方法 基于工件表面材料去除原理,建立工艺参数与材料去除率(MRR)和表面粗糙度的数学关系模型,明确影响抛光效果的工艺参数。针对工艺参数与抛光质量和效率之间的复杂且交互影响的关系,以及理论计算的抛光效果与实际结果存在差异的问题,提出SPSO–BP预测模型,分别以20组不同的抛光工艺参数与对应抛光结果为训练样本,训练SPSO–BP模型,并与传统PSO–BP模型进行对比。基于训练好的预测模型,根据不同的基础条件与抛光质量和抛光效率的要求,通过模型自适应匹配抛光工艺参数。针对SUS304板材,设定表面粗糙度目标Ra1—Ra5和材料去除率目标Rm1—Rm5,分别通过SPSO–BP和PSO–BP模型预测获得的工艺参数进行抛光试验,将获得的真实粗糙度Raz1—Raz5和材料去除率Rmz1—Rmz5与目标值进行对比... 相似文献
14.
15.
基于多目标粒子群算法的切削用量多决策优化研究 总被引:1,自引:0,他引:1
传统多目标优化问题通常是以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。为了更合理地确定切削用量,采用多目标粒子群算法首先求得问题的pareto最优前沿,经过后期多准则决策得到满足不同要求下的最优方案。采用这种先寻优后决策的方法,能有效弱化先验知识不足的影响,较传统多目标优化方法更为实用有效。并经与多目标遗传算法比较,多目标粒子群算法具有更优良的性能。 相似文献
16.
17.
为了使金属切削加工中,能实现切削参数的实时优化,保证产品质量和设备效率,提出了一种新的切削参数最优化方法,引入加工时间、加工精度、加工成本三个目标控制量,建立了多目标非线性规划模型。并用惩罚函数法将多目标非线性约束规划问题转换成无约束非线性单目标规划问题。通过对神经网络和粒子群算法的有机结合,并充分利用了粒子群算法和BP网络各自具有的优点,对模型进行了求解。数值试验表明该方法能较好地解决切削参数的优化问题。 相似文献
18.
为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型。以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣。结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度。基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统。该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数。 相似文献
19.