学位论文 > 优秀研究生学位论文题录展示

人工神经网络在数控超声加工中的应用研究

作　者: 仲高艳
导　师: 康敏
学　校: 南京农业大学
专　业: 农业工程
关键词: 数控超声加工加工效率试验数据分析建模仿真界面设计
分类号: TP183
类　型: 硕士论文
年　份: 2008年
下　载: 40次
引　用: 0次
阅　读: 论文下载

内容摘要

超声加工作为特种加工的一个重要组成部分,既不依赖于材料的导电性又没有热物理作用,在非金属材料,特别是硬脆材料加工方面得到了广泛应用。人工神经网络系统理论与应用研究是近年来得到迅速发展的一个国际前沿研究领域之一。它的发展涉及到计算机科学、人工智能、信息科学、自动控制、系统工程等众多的领域,并对这些领域产生了重要的影响。人工神经网络已成功地应用于模式识别、系统仿真建模、优化计算、自动控制等实际领域。人工神经网络如何在数控超声加工中应用是一个值得我们去探索、去研究的课题。本研究在数控超声加工性能工艺试验基础上,进行了人工神经网络建模与仿真,为人工神经网络在数控超声加工过程中的应用提供了一定的理论基础和技术支持。本研究的主要内容包括：1.数控超声加工效率试验数据分析：用极差分析、方差分析、回归分析等方法对数控超声加工效率的影响因素进行分析,得出一定工艺条件下各参数的最优选择方案。2.加工效率建模与仿真：基于人工神经网络模型,对数控超声加工效率进行建模,研究其算法、网络结构等,并对所建模型进行仿真。3.用人工神经网络模型对加工效率进行预测4.数控超声加工效率仿真控制平台界面设计通过以上研究得出的主要结论如下：1.磨料粒度、进给压力、刀具进给速度是“加工效率”指标的三个主要影响因素,磨料粒度对加工效率的影响>>进给压力对加工效率的影响>进给速度对加工效率的影响,且磨料粒度对加工效率的影响具有非线性。2.在工艺试验的基础上,利用神经网络的学习、联想能力,成功地建立了数控超声加工效率的BP网络模型,使用该模型对工艺参数“加工效率”进行仿真,从仿真结果可以看出,加工效率指标的拟合正确率可达88.9%,网络的输出与实测值有很好的拟合性,说明建立的网络模型已有很好的泛化能力,能反映数控超声加工工艺规律,可作为数控超声加工效率的预测模型。3.从加工效率的BP网络预测分析可以看出,磨料粒度、进级压力、刀具进给速度在一定范围内取合适值时,加工效率才最高。

全文目录

摘要  7-8
ABSTRACT  8-9
第一章绪论  9-21
  1.1 课题选题背景  9-11
  1.2 超声加工原理及其应用  11-16
    1.2.1 超声加工设备及其组成部分  11-12
    1.2.2 超声加工原理  12-13
    1.2.3 变幅杆的常见形式  13
    1.2.4 超声加工特点  13-14
    1.2.5 超声加工应用  14-16
  1.3 人工神经网络及其应用  16-19
    1.3.1 人工神经网络定义  16
    1.3.2 人工神经网络模型  16-17
    1.3.3 人工神经网络的功能  17-18
    1.3.4 人工神经网络的特点  18
    1.3.5 人工神经网络的应用  18-19
  1.4 本课题研究内容及意义  19-21
    1.4.1 研究内容  19
    1.4.2 研究目标  19-20
    1.4.3 技术路线  20
    1.4.4 研究意义  20-21
第二章数控超声加工性能工艺试验  21-24
  2.1 加工性能指标及其影响因素  21
  2.2 试验设备  21-22
  2.3 试验方法  22-24
    2.3.1 正交试验法简介  22-23
    2.3.2 正交试验目的  23
    2.3.3 正交试验数据采集  23-24
第三章数控超声加工性能试验数据分析  24-35
  3.1 极差分析  24-26
    3.1.1 极差分析法简介  24
    3.1.2 极差分析相关计算  24
    3.1.3 极差分析结果  24-25
    3.1.4 试验指标平均值对因素水平的关系图  25-26
  3.2 方差分析  26-28
    3.2.1 方差分析法简介  26-27
    3.2.2 方差分析相关计算  27-28
    3.2.3 方差分析结果  28
  3.3 回归分析  28-35
    3.3.1 回归分析的重要性  28-29
    3.3.2 回归分析的主要类型  29
    3.3.3 回归分析的基本步骤  29
    3.3.4 三元回归方程的建立  29-33
    3.3.5 回归方程的显著性检验  33-34
    3.3.6 因素主次的判定  34-35
第四章人工神经网络建模与仿真  35-45
  4.1 神经网络原理  35-39
    4.1.1 神经元结构模型  35-36
    4.1.2 神经网络的特性及实现  36-37
    4.1.3 BP网络结构  37
    4.1.4 BP网络学习过程及步骤  37-39
  4.2 BP网络设计  39-45
    4.2.1 神经网络学习训练、仿真样本的建立  39-40
    4.2.2 网络结构的确定  40
    4.2.3 BP网络的MATLAB设计  40-42
    4.2.4 加工效率的BP网络预测分析  42-45
第五章数控超声加工仿真控制平台界面设计  45-57
  5.1 图形用户界面(GUI)  45-46
  5.2 利用GUIDE设计控制平台界面  46-53
    5.2.1 控制平台界面的设计原则  46-47
    5.2.2 控制平台界面的设计步骤  47-53
      5.2.2.1 启动设计工具GUIDE  47-48
      5.2.2.2 建立GUI并修改其对象属性  48-49
      5.2.2.3 编辑各对象Callback程序  49-53
  5.3 控制平台各功能实现  53-57
    5.3.1 各因素对指标的影响  53-55
    5.3.2 试验数据分析显示  55-56
    5.3.3 加工效率仿真、预测  56-57
第六章结论及建议  57-59
  6.1 结论  57-58
  6.2 后续研究工作建议  58-59
参考文献  59-62
致谢  62-63
攻读硕士学位期间发表的论文  63

人工神经网络在数控超声加工中的应用研究

内容摘要

全文目录

相似论文