基于BP神经网络的超声磨料混粉电火花加工模型.pdf

《基于BP神经网络的超声磨料混粉电火花加工模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、电子工艺技术第24卷第3期126EiectronicsProcessTechnoiogy2003年5月基于BP神经网络的超声磨料混粉电火花加工模型张云鹏，任中根，迟恩田，张安洲（西北工业大学，陕西西安710072）摘要：由于超声磨料混粉电火花加工是一个复杂的过程，难于建立精确的加工理论模型。应用BP神经网络实现了超声磨料混粉电火花加工的模型建立，并通过该模型对超声磨料混粉电火花加工试验研究的零件表面粗糙度和加工速度进行了预测，预测结果与实际试验数据有较好的一致性，可用于指导实际超声磨料混粉电火花加工。关键词：超声磨料混粉电火花加工；BP神经网络；建模中图分类号

2、：!"66文献标识码：#文章编号：1001-347（42003）03-0126-04AUltrasonicAbrasiveMixedPowderEDMmodelBasedOnBPArtificialNerveNetworkZHANGYun-peng，RENZhong-gen，CHIEn-tian，ZHANGAn-zhou（NorthweaternPolytenchnicalUniversity，Xi'an710072，China）Abstract：OnaccountoftheuitrasonicabrasivemixedpowderEDMisacompiexp

3、rocess，itisdifficuittobuiidaprecisemathematicaimodeioftheprocessing.BuiidthemodeiforuitrasonicabrasivemixedpowderEDMbasedontheBPArtificiaiNerveNetwork（ANN）.Finaiiypredictetheroughnessofmachinedsurfaceandprocessingspeedbythemodei，theresuitsofpredictionareinaccordwiththetestresuits.Th

4、emodeimaybeusedasthereferencemodeiforthetheorystudyandpracticaiappiicationoftheuitrasonicabrasivemixedpow-derEDM.Keywords：UitrasonicabrasivemixedpowderEDM；BPartificiainervenetwork；ModeiingDocumentCode：#ArticleID：1001-347（42003）03-0126-04在实际工程中有许多复杂型面的零件要进行精高表面质量及增效的目的。加工，采用电火花超精密加工很

5、难达到精度要求，利利用超声磨料混粉电火花对复杂型面进行加工用超声磨料混粉电火花加工可实现低粗糙度表面零的时候，对最终零件表面粗糙度!a和加工速度"M件的加工。这种加工方法是在混粉电火花加工的基的影响因素很多。由于影响因素较多，同时加工过础上，通过施加于电极的超声机械振动，并在放电间程实际是多种能量复合作用的一个过程，因此很难隙中加入磨料与导电粉有机复合进行的加工，是一用理论公式计算出各参数对加工指标（表面粗糙度种光整加工方法，由于增加了放电电极的超声机械和加工速度）的影响，建立理论模型困难。因此，制振动和混入了磨料，实现了超声机械放电等多种能约着超声磨料混粉电

6、火花加工技术的发展。人工神量的混粉复合电火花加工，强化了电火花光整加工经网络以其高度非线性映射、自组织、自学习的效能，达到了进一步降低加工表面粗糙度值和提和联想记忆等功能，可对复杂的实际非线性系统建作者简介：张云鹏（1976-），男，西北工业大学在读博士生、助教，主要从事精密超精密及特种加工技术以及智能检测技术研究。2003年5月张云鹏等：基于BP神经网络的超声磨料混粉电火花加工模型l27模型。并通过训练学习，达到较高的精度。在软件BP神经网络对实际非线性系统的建模过程，实的研究过程中证明，BP神经网络可实现超声磨料混际上是一个网络反复迭代修正权值的自学习过程

7、。粉电火花加工的模型建立，并且精度较高。首先给网络一组初始权值，然后输入一个样本并计lBP人工神经网络模型及算法算其输出，通过实际的输出与期望值之间的差值，用BP神经网络是一种多层前馈神经网络，权值的一定的方法来修改网络的权值，以达到减小这个差调整采用反向传播的学习算法，神经元的变换函数值的目的。反复执行这个过程直到这个差值小于预是S型函数，因此输出量为0到l之间的连续量，它先确定的值为止。对足够的样本进行训练后，网络可以实现从输入到输出的任意的非线性映射。在确所得的最后一组权值便是网络经过自适应学习得到定了BP网络的结构后，利用输入输出样本集对其训练样条所包

8、含的系统内部的正确函数关系，即实进行训