RBF神经网络在船舶焊接中的建模及应用.pdfVIP

维普资讯 第 28卷 第 5期 武汉理工大学学报(鸯兰曩差) V01．28 No．5 2004年 1O月 JournalofWuhanUniversityofTechnology Oct．2004 (TransportationScienceEngineering) RBF神经网络在船舶焊接中的建模及应用* 曹建云 (南通工学院 南通 226007) 摘要：以船舶钢结构为对象 ，研究了RBF神经网络在船舶焊接变形 中的建模及应用．以焊接顺序 等因素作为网络输入 ，以钢结构板材凹凸变形为输出，训练生成网络焊接变形模型 ，可用于预测船 舶钢结构焊接变形量的快速预测．仿真表明该模型的预测输出与实测数据样本基本拟合，验证 了 模型及其预测效果具有较高的准确性． 关键词 ：径 向基 函数 ；神经网络 ；焊接变形 中图法分类号 ：TG47 焊接变形在工业制造过程 中普遍存在，船舶 心，也称中心向量，是与 具有相同维数的向量； 焊接也不例外．焊接变形不仅影响船舶的外观质 0i为第 i个感知的变量 (可以 自由选择的参数)， 量，而且严重影响船体结构及水动力性能，是亟待 它决定了该函数围绕中心点的宽度，也称形状参 解决的问题．以船舶高强钢为对象，将径向基函数 数 ；m 为感知单元的个数．1J—cfIJ为向量 —c (RadialBasisFunction，RBF)神经网络引进焊接 的欧几里德范数，它通常表示 和 c之间的距 过程建模，研究船舶钢结构焊接变形的变化规律 ， 离．可以看出，输入层实现从 一尺r()的非线性 以实现对其焊接变形量的快速预报． 映射 ，输 出层实现从 R ()到 Y 的线性映射 ，即 m Y 一 W R()，k一1，2，… ，P．式中；P是输出 1 RBF神经网络及其结构 f； l 节点数． RBF神经网络 由三层组成 ，输入层节点只传 2 钢 结构 焊接 中的 RBF 网络建 递输入信号到隐层 ，隐层节点由像高斯 函数那样 的辐射状作用 函数构成 ，而输出层节点通常是简 模乜叫 单 的线性 函数．隐层节点中的作用函数 (基函数) 对输入信号将在局部产生响应 ，也就是说 ，当输入 2．1 建模对象 信号靠近基函数的中央范围时，隐层节点将产生 文中RBF网络建模对象是国产的船用高强 较大的输出，由此看出这种网络具有局部逼近能 钢，选用船体上层建筑、船体分段钢结构部分，其 力 ，所 以径向基函数网络也称局部感知场网络[1]． 典型单元如图 1所示．其 中船用高强钢板尺寸为 基函数形式通常是径向对称的，但最常用的 1500mmX1200mm，角钢尺寸为 1500mm× 是高斯函数 125mmX90mmX10mm，两 角钢 间距 为 750 Ri()一exp一『业 ]， 1，2，…， mm、居中对称放置在船用高强钢板上，两者之间 采用定位焊钢性固定 (定位焊间距 300mm、长度 (1) 50mm)；钢板每侧边采用卡铁对称 固定 ，2根角 式 中：为 维输入向量；c为第 个基函数的中