| 【中文题名】 | 复杂型面数控加工的神经网络控制 |
| 【英文题名】 | CNC Machining of the Complex Curve Surface Based on Artifical Neural Network |
| 【学科专业】 | 机械制造及其自动化 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-13 |
| 【中关键词】 | 神经网络,BP算法,插补控制,误差补偿,模型建立, |
| 【英关键词】 | Neural network,BP algorithm,Interpolation,Error compensation,Reconstruction, |
| 【分类导航】 | 工业技术>金属学与金属工艺>金属切削加工及机床>程序控制机床、数控机床及其加工>> |
| 【论文摘要】 |
数控加工技术是近代发展起来的一种自动控制技术，是用数字化的信息驱动机床运动从而加工出复杂型面零件轮廓形状的一种方法，是先进制造技术的重要组成部分。数控加工的目的是要提高产品加工的精度和加工效率，因此必须对加工过程进行一定的控制以满足生产的需要。但由于复杂型面零件的数控加工过程具有复杂的、非线性、不确定性等特点，用传统的基于被控对象精确数学模型的方法已经难以获得良好的控制效果。
为了解决这一问题，本文将神经网络技术应用在复杂型面数控加工的控制中，利用神经网络拥有优秀的逼近能力、泛化能力和自学习能力的特点，以实现提高加工精度和加工效率的目的。将神经网络方法应用在数控加工过程的插补控制，利用神经网络的并行性能和可以模拟任意非线性函数的特性，使得插补运算的时间大幅度缩短，提高插补计算的速度，实现对空间任意曲线或空间离散点的直接插补。利用其具有良好的非线性逼近能力及隐式函数的构造能力，通过对数控系统进行网络辨识，并对误差补偿技术和误差控制的神经网络实现方法进行分析，建立误差补偿控制器的神经网络模型，实现较为精确的加工误差补偿技术，提高了工件的加工精度。利用神经网络技术的自学习能力和泛化能力，将其应用在... |
| 【论文题纲】 |
|
摘要 |
7-8 |
|
Abstract |
8-9 |
|
第1章 绪论 |
9-17 |
|
1.1 复杂型面数控加工技术概述 |
9-12 |
|
1.1.1 数控加工的特点 |
9-10 |
|
1.1.2 复杂型面零件加工的发展现状 |
10-11 |
|
1.1.3 复杂型面零件数控加工存在的问题 |
11-12 |
|
1.2 数控加工技术的发展趋势 |
12-13 |
|
1.3 人工神经网络与数控技术的结合 |
13-14 |
|
1.3.1 神经网络在数控加工中的应用 |
13 |
|
1.3.2 基于神经网络技术的数控加工特点 |
13-14 |
|
1.4 神经网络的发展方向 |
14-15 |
|
1.5 本课题的意义 |
15-16 |
|
1.6 本文的主要内容 |
16-17 |
|
第2章 人工神经网络和BP网络理论 |
17-28 |
|
2.1 人工神经网络原理和功能 |
17-21 |
|
2.1.1 神经网络结构 |
18-19 |
|
2.1.2 激活转移函数 |
19-21 |
|
2.1.3 神经网络的功能 |
21 |
|
2.2 BP神经网络理论 |
21-24 |
|
2.2.1 BP网络原理 |
21-22 |
|
2.2.2 BP网络的学习算法 |
22-24 |
|
2.3 BP算法的改进 |
24-27 |
|
2.3.1 BP算法的限制与不足 |
24-25 |
|
2.3.2 BP算法的改进方法 |
25-27 |
|
2.4 本章小节 |
27-28 |
|
第3章 设计神经网络模型的分析 |
28-35 |
|
3.1 各种神经网络特点和应用比较 |
28-30 |
|
3.2 BP神经网络模型的设计 |
30-34 |
|
3.2.1 网络结构的设计 |
30-32 |
|
3.2.2 网络数据的处理 |
32-33 |
|
3.2.3 网络的训练和测试 |
33-34 |
|
3.3 本章小结 |
34-35 |
|
第4章 复杂型面数控加工过程的神经网络控制 |
35-55 |
|
4.1 基于神经网络的数控插补控制 |
35-44 |
|
4.1.1 基本插补算法 |
36-37 |
|
4.1.2 数控插补的神经网络方法 |
37-39 |
|
4.1.3 神经网络的训练过程 |
39 |
|
4.1.4 神经网络插补方法的仿真试验 |
39-43 |
|
4.1.5 神经网络的数控插补原理 |
43-44 |
|
4.2 神经网络技术在加工误差控制中的应用 |
44-54 |
|
4.2.1 误差补偿技术的概述 |
44-45 |
|
4.2.2 误差的测量及补偿原理 |
45-47 |
|
4.2.3 基于神经网络的误差补偿研究 |
47-52 |
|
4.2.4 仿真结果与分析 |
52-54 |
|
4.3 在数控加工中使用神经网络控制方法要注意的事项 |
54 |
|
4.4 本章小结 |
54-55 |
|
第5章 复杂型面零件建模的神经网络方法 |
55-64 |
|
5.1 传统建模方法的分析 |
55-58 |
|
5.1.1 建模的主要方法 |
55-57 |
|
5.1.2 传统方法的建模过程 |
57-58 |
|
5.2 用神经网络方法建立零件模型 |
58-62 |
|
5.2.1 神经网络在零件建模中的分析 |
58-59 |
|
5.2.2 网络模型的建立 |
59-60 |
|
5.2.3 仿真分析 |
60-62 |
|
5.3 神经网络建模技术与插补控制的结合 |
62-63 |
|
5.4 本章小结 |
63-64 |
|
第6章 结论与展望 |
64-66 |
|
参考文献 |
66-69 |
|
致谢 |
69-70 |
|
附录A 攻读硕士学位期间发表的学术论文 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.388624 |
