基于BP神经网络的磨削温度预测.pdfVIP

第1期(总第131期) 机 械 管 理 开 发 2013年2月 No．1(SUMNo．131) MECHANICAL MANAGEMENT AND DEVELOPMENT Feb．2013 基于BP神经网络的磨削温度预测 宋慧东 (山西潞安集团常村煤矿 ，山西 长治 046100) 摘 要：磨削温度是评价磨削过程的一个重要指标 ，利用BP神经网络 良好的非线性映射功能，以磨削用量(砂轮线 速度、工作太速度和磨削深度)为输入 ，以磨削温度为输出，建立了磨削温度的BP神经网络预测模型。并通过仿真 验证 了模型的正确性．为磨削温度的预测提供 了一个简单可行的方法。 关键词 ：磨削；BP神经网络；磨削温度；预测 中图分类号：TH16 文献标识码：A 文章编号：1003—773X(2013)01—0145—02 0 引 言 作用相当于神经细胞中传出神经冲动的轴突 。BP神 磨削是一种常用的精密加工方法，能获得很高的 经网络结构，如图1所示。 加工精度和表面质量。在钛合金、高温含金、超高强度 在人工神经网络的实际应用中，绝大部分人工神 钢、不锈钢及高温结构陶瓷等难加工材料的加工中，特 经网络通常包括输入层、隐含层及输出层，根据具体的 别是在成形表面的加工中，磨削是一种非常有效的加 情况各层神经元的个数不同，层次间的神经元互相连 工方法r-。但是磨削过程中产生的热效应不仅对工件 接 ，但层次内的神经元无连接关系。在实际应用中， 的表面质量和使用性能有极大影响，同时也影响砂轮 80％～9O％的人工神经 网络模型是采用 BP网络 使用寿命，因此 ，对工件表面(尤其是磨削区)的温度进 (Back--PropagationNetwork)或其变化形式，BP网格是 行研究，对深入探讨磨削机理和被磨零件表面完整性 前馈网络的核心部分，体现了人工神经网络的精华5[i。 具有重要意义 0】。 2 实验条件及仿真样本的获取 然而，目前人们主要通过对实验数据进行多元回 本实验在 冈本公式生产 的GOTEN，GTs一6016 归分析来预测磨削加工的磨削温度，但难于找到适当 AHD精密平面磨床上进行，具体的实验条件，如表 1 的回归模型而导致预测精度不高。随着计算机仿真技 所示。 术的发展，人工神经网络建模用来解决磨削温度问题 表 1 实验条件 是方便和有效的。利用神经网络建模时不必了解系统 参数 试验条件 内部的实际运行规律，只需用已有的磨削参数对系统 进行训练，当达到给定的误差要求时，即可用该系统对 工件／ 热压烧结而成的纳米ZrO：陶瓷， mm 长×宽×高(60×20×10) 磨削过程进行仿真，预测磨削温度。本文应用BP神经 网络对磨削温度进行建模，并通过实验验证了模型的 可行性 。 金刚石砂轮 直径350mm，宽度35mm，粒度270撑。 W10；树脂结合剂；浓度 100％ 1 人工神经网络原理 人工神经网络是使用数学方法模拟人脑的形式 砂轮线速度Vs／(m／s) 25．5，33．6。44 思维逻辑，它由大量并行非线性处理单元