遗传算法优化的BP网络在铣削力预测中的应用.pdfVIP

学兔兔 务l 訇 化 遗传算法优化的BP网络在铣削力预测中的应用 Geneticalgorithm optimizeBPnetworkintheapplicationofthemillingforceprediction 王占礼，席 萍，李 静，朱 丹 、 WANG Zhan．1l，XIPing，LlJing，ZHUDan (长春工业大学机电工程学院，长春 130Ol2) 摘 要：神经网络初始连接权值和阀值的选择对网络的预测精度及收敛速度影响很大，但又无法准确获 得，针对此问题，建立遗传算法 (GA)优化的BP神经网络预测模型，解决神经网络初始权值 和阀值的选择问题。该模型通过遗传算法优化BP神经网络的权值和阀值，获得最优的初始权 值和阀值，并应用优化后的BP神经网络预测模型对铣削力进行预测，最后与优化前的BP神经 网络模型的铣削力预测值进行对比分析。研究结果表明，经遗传算法优化后的BP神经网络模 型比优化前的BP神经网络模型的预测精度高，同时加快了收敛速度。 关键词：遗传算法；BP神经网络；参数优化；铣削力预测 中田分类号：TG501．3 文献标识码 ：A 文章编号；1009-0134(zoi4)07(下)-0059—05 Doi：10．3969／J．Issn．1009-0134．2014．07(下)．16 0 引言 用BP神将网络预测煤层含气量 。但BP网络存在学 铣削力是铣削加工中的重要参数，铣削力的 习效率低、收敛速度慢和易陷入局部极小等局限， 大小直接影响铣削功率、铣削热和加工变形等。 尤其是BP网络的初始权值和阀值无法准确获得 。 通过铣削力建模 ，将有助于合理控制铣削加工中 遗传算法 (GA)是 由自然界的遗传进化理 零件的加工误差、刀具磨损和机床振动，对于优 论发展而来的，已经成功地解决了许多复杂的优 化加工参数，保证零件加工精度具有重要意义 。 化问题 。因此，针对BP网络的缺陷，本文将遗传 常用的铣削力建模方法主要有力学建模法、经 算法和神经网络相结合，采用混合训练方法，建立 验建模法、有限元建模法、智能建模法 ¨。文献 GA—BP网络模型，并对铣削力进行预测。首先通 2【～4】采用力学建模法、经验建模法和有限元建模 过铣削力试验 ，获得试验数据 ，并对数据进行归 法对铣削力建模进行了研究。建立的模型在一定 一 化处理，用遗传算法对已建立的BP网络初始权 限制范围内能对铣削力进行正确的预测，但是模 阀值进行优化，获得最优初始权 阀值，用已知的 型很难涵盖影响铣削力的各个因素，并且模型不 实验数据对该网络进行训练和预测，通过对预测 具有通用性，很难表征不同加工条件下的铣削力 结果的分析并与优化前的B