轧辊圆度误差智能优化评定研究.pdf

第10期 机械设计与制造 2009年10月 MachineryDesignManufacture 115 文章编号：1001—3997(2009)10-0115-03 轧辊圆度误差智能优化评定研究木 丁晓燕1刘丽兰1闫利文l’2 RollRoundnessErrorAssessment IntelligentOptimized DING Li—lanIYANLi-wenl’2 Xiao-yani,LIU ofMechanicalAutomationand (1 Laboratory ShanghaiKey Robotics，ShanghaiUniversity，Shanghai (2 of of 215500，China) CollegeMechanical，ChangshuUniversityTechnology，Changshu 中图分类号：THl6，TG595．4文献标识码：A 1引言 ． 2智能优化评定圆度误差 圆度误差是指回转体在同一正截面上实际被测轮廓相对其 神经网络用的最广泛的是反向传播网络(BP网络)，但原始 理想圆的变动鼋。轧辊磨床对轧辊进行圆度误差测量足检验轧辊 BP算法存在收敛速度慢、局部极小而得不到整体最优等缺点，使 加工质量的重要指标之一。而对圆度误差测最的数据处理方法的 用时需要改进。遗传算法具有鲁棒性强、适用于并行处理以及全 选定，直接影响圆度误若的计算精度。 局优化有哪些信誉好的足球投注网站等优点。 传统的圆度误差评定方法多采用最小二乘法，以被测实际轮 遗传算法和神经网络相结合，可以利用神经网络强大的非线 廓的最小二乘圆作为理想圆，其最小二乘圆圆心至轮廓的最大距 性系统的描述能力，并用遗传算法的全局有哪些信誉好的足球投注网站性来弥补神经网络 离与最小距离之差即为圆度误差，但由于存在一定的残差，且是 的微观局限性，以及利用遗传算法的鲁棒性来改善对描述对象的 关于圆心坐标及圆半径的非线性函数，因此不易直接求解，必须 适应性。 运用某种优化迭代算法如单纯形法，Gauss—Newton法、Leven— 2．1改进型BP神经网络 berg-Marquart法等。彳日是，这些算法均为局域算法，算法的成功 改进后的神经网络采用动量自适应BP神经网络，其拓扑结 依赖于初始点的选择I·I。 构，如图l所示。包含两层神经网络结构，优化算法采用动量自适 近年来，神经网络、遗传算法、小波变换、模糊逻辑等智能信息 应算法对网络进行训练。 处理技术的迅速发展和相瓦之间的有机结合，在各个领域取得丫引 动量算法可由下式表示： 人注目的进展，不少学者也纷纷利用某一种算法评定圆度误差，达 (1) W(k+1)=形(．|})+r／[(1--a)D(k)竹归(．|}一1)] 到优化的目的。但一种算法往往存在不完善性，如果能将算法之间 结合起来扬长避短，其优化程度将会大大地提高。基于神经网络和 遗传算法相结合的优化评定方法不仅优越于传统算法，而且能够 量因子，0冬d≤l，动量项相当于一个平滑因子，其实际的效 提高阈度误差的计算精度，保证了优质辊的生产加工和检测。 果是使网络的阻尼增强，减小了网络训练过程的振荡趋势。 ★来稿日期：2008—12-05-k基金项目：上海