亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于GSO-BP的數(shù)控機(jī)床進(jìn)給軸熱誤差補(bǔ)償研究

        2021-10-10 02:56:54張紅欣
        物聯(lián)網(wǎng)技術(shù) 2021年9期
        關(guān)鍵詞:螢火蟲梯度閾值

        張紅欣

        (昌吉學(xué)院,新疆 昌吉 831100)

        0 引 言

        現(xiàn)代機(jī)械制造中,精密和超精密加工技術(shù)已成為制造強(qiáng)國的關(guān)注點(diǎn),機(jī)床在加工過程中,各部件受到環(huán)境溫度、切削過程、冷卻液、電機(jī)等熱源的影響而產(chǎn)生熱變形[1]。大量研究顯示[2],機(jī)床因受熱而形成的熱誤差占機(jī)床總誤差的40%~70%。因此,減小機(jī)床熱誤差對提高機(jī)床加工精度至關(guān)重要。若采用誤差防止法(即利用設(shè)計(jì)和制造途徑減少或消除可能的熱誤差源,或通過控制溫度因素來滿足加工精度要求)會形成昂貴的系統(tǒng)成本,不僅易受外界環(huán)境干擾引起誤差,而且現(xiàn)有的加工能力將遭到限制。誤差補(bǔ)償法是采用某種控制策略,利用計(jì)算機(jī)技術(shù)和傳感器技術(shù),由執(zhí)行機(jī)構(gòu)對誤差源進(jìn)行分析、建立數(shù)學(xué)模型,快速計(jì)算補(bǔ)償量,并反饋到控制系統(tǒng)中,實(shí)現(xiàn)驅(qū)動量的修正,最后實(shí)現(xiàn)減小加工誤差的目的[3-4]。

        為使被加工件可能獲得比“母機(jī)”更高的加工精度,本文采用螢火蟲優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),使得BP神經(jīng)網(wǎng)絡(luò)具有最優(yōu)的網(wǎng)絡(luò)初始值和閾值,通過傳感器技術(shù)實(shí)時(shí)檢測關(guān)鍵點(diǎn)溫度,通過各進(jìn)給軸熱誤差模型實(shí)時(shí)推斷和預(yù)測熱變形誤差的情況,并將預(yù)測所得的熱誤差補(bǔ)償量輸出至PMC,可在一定程度上提高熱誤差補(bǔ)償?shù)木?,使得?shù)控機(jī)床實(shí)時(shí)補(bǔ)償更有效。

        1 各進(jìn)給軸補(bǔ)償建模方法

        1.1 螢火蟲優(yōu)化算法

        螢火蟲算法(Glowworm Swarm Optimization, GSO)是一種基于螢火蟲群體隨機(jī)搜索而形成聚集在少數(shù)位置現(xiàn)象的一種智能優(yōu)化算法[5]。分布在目標(biāo)函數(shù)定義區(qū)間內(nèi)的每只人工螢火蟲各自攜帶自身的螢光素,并擁有各自的活動區(qū)間,該區(qū)域稱為決策范圍。各螢火蟲的亮度與各自所在位置的目標(biāo)函數(shù)適應(yīng)度值有關(guān),越亮的螢火蟲表示它成為目標(biāo)值的可能性更大。GSO算法主要由初始化螢火蟲信息、更新熒光素、更新螢火蟲位置、更新決策域四階段構(gòu)成。

        該算法模擬螢火蟲通過個(gè)體發(fā)光來吸引同伴或獵物,從而實(shí)現(xiàn)絕大多數(shù)個(gè)體最終聚集在若干個(gè)具有較優(yōu)目標(biāo)函數(shù)值位置的目的。

        假設(shè)目標(biāo)群體中共有N只螢火蟲,其中(xi, yi)表示第i只螢火蟲所在的位置,對應(yīng)目標(biāo)函數(shù)為f(xi, yi),Ti為該處螢火蟲熒光素的值,每只螢火蟲的決策半徑采用式(1)實(shí)現(xiàn)更新:

        式中:||x||為x的范數(shù);xj(t)為第j只螢火蟲在第t代的位置;lj(t)為第j只螢火蟲在第t代所具有的熒光素值。

        第i只螢火蟲向其鄰域的螢火蟲j移動的概率表示為Pij:

        第i只螢火蟲的位置更新公式為:

        式中,s為螢火蟲移動的步長。

        第i只螢火蟲的熒光素值的更新公式為:

        式中:li(t)為第i只螢火蟲經(jīng)t次迭代后的熒光素值;ρ∈(0, 1),為熒光素所占的權(quán)重;γ為熒光素的更新頻率;f(xi(t))為適應(yīng)度函數(shù)值。

        螢火蟲算法在具體迭代運(yùn)算中進(jìn)行數(shù)據(jù)處理的流程如圖1所示。

        圖1 螢火蟲算法工作流程

        1.2 BP神經(jīng)網(wǎng)絡(luò)

        BP神經(jīng)網(wǎng)絡(luò)[6]應(yīng)用廣泛,具有非線性映射等特點(diǎn),其學(xué)習(xí)過程由正向數(shù)據(jù)傳播和反向誤差傳播組成。

        數(shù)控機(jī)床各進(jìn)給軸在運(yùn)動過程中所需的補(bǔ)償量應(yīng)在較短時(shí)間內(nèi)進(jìn)行預(yù)測,本文考慮到原始BP神經(jīng)網(wǎng)絡(luò)算法在訓(xùn)練過程中收斂較慢,為滿足控制系統(tǒng)的實(shí)時(shí)應(yīng)用,結(jié)合共軛梯度學(xué)習(xí)算法對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改良。

        通過解析BP算法的推演過程可知[7],原始算法利用梯度下降法實(shí)現(xiàn)逐步逼近,但該方法在具體仿真時(shí)所耗費(fèi)的仿真時(shí)間較長,不能滿足系統(tǒng)要求的實(shí)時(shí)性。因此本文在原有基礎(chǔ)上加入了共軛梯度學(xué)習(xí)算法,這種方法可以在更少迭代次數(shù)的情況下達(dá)到收斂。它帶來的額外代價(jià)是迭代計(jì)算的工作量有所增加。盡管如此,許多應(yīng)用已表明,共軛梯度學(xué)習(xí)算法總的收斂速度相比常規(guī)BP算法提高了數(shù)十倍甚至更多。

        共軛梯度學(xué)習(xí)算法原先應(yīng)用于求解非線性多變量函數(shù)的極值,共軛梯度求解的計(jì)算流程如圖2所示。

        圖2 共軛梯度學(xué)習(xí)算法求解過程

        2 GSO-BP算法模型分析

        2.1 模型建立基本思想

        BP神經(jīng)網(wǎng)絡(luò)算法隨著訓(xùn)練樣本維數(shù)的不斷增加,其收斂速度將變慢,網(wǎng)絡(luò)性能降低,若網(wǎng)絡(luò)的初始值和閾值選擇不當(dāng),將導(dǎo)致網(wǎng)絡(luò)難以收斂[8]。因此,通過螢火蟲優(yōu)化算法為改良后的BP神經(jīng)網(wǎng)絡(luò)提供最優(yōu)的初始值和閾值,可使整個(gè)網(wǎng)絡(luò)得到較為準(zhǔn)確的預(yù)測值,為各進(jìn)給軸提供較精確的補(bǔ)償,從而實(shí)現(xiàn)在熱因素環(huán)境下的誤差補(bǔ)償。

        2.2 GSO-BP實(shí)現(xiàn)原理

        對于神經(jīng)網(wǎng)絡(luò)而言,若把神經(jīng)網(wǎng)絡(luò)看成是一個(gè)預(yù)測函數(shù),螢火蟲算法優(yōu)化網(wǎng)絡(luò)中得到的最優(yōu)預(yù)測值為BP神經(jīng)網(wǎng)絡(luò)提供最優(yōu)初始權(quán)值和閾值,優(yōu)化后網(wǎng)絡(luò)的預(yù)測效果明顯優(yōu)于未優(yōu)化的網(wǎng)絡(luò)。網(wǎng)絡(luò)經(jīng)訓(xùn)練后輸出的預(yù)測值更準(zhǔn)確,系統(tǒng)實(shí)時(shí)性更強(qiáng)。將螢火蟲算法與BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合進(jìn)行運(yùn)算的工作流程如圖3所示。

        圖3 GSO-BP網(wǎng)絡(luò)工作流程

        2.3 GSO-BP算法仿真分析

        GSO-BP神經(jīng)網(wǎng)絡(luò)有6個(gè)輸入?yún)?shù)、1個(gè)輸出參數(shù),所以設(shè)置的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為6-12-1,即輸入層有6個(gè)節(jié)點(diǎn),隱含層有12個(gè)節(jié)點(diǎn),輸出層有個(gè)1節(jié)點(diǎn),共有84個(gè)權(quán)值,13個(gè)閾值,所以螢火蟲算法個(gè)體編碼長度為97。其他參數(shù)設(shè)置見表1所列。

        表1 GSO參數(shù)設(shè)置表

        螢火蟲算法優(yōu)化過程中最優(yōu)個(gè)體適應(yīng)度值變化如4圖所示??梢钥闯?,螢火蟲算法在種群為10的情況下,經(jīng)過70次進(jìn)化即收斂于最佳適應(yīng)度值0.26,說明螢火蟲算法僅需要很小的代價(jià),就能尋找到最優(yōu)BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值。采用螢火蟲算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值可行且高效。

        圖4 GSO算法進(jìn)化過程

        3 補(bǔ)償試驗(yàn)及分析

        通過上述建模分析,建立了在不同溫度條件下各進(jìn)給軸的定位誤差模型,并結(jié)合PMC端口[9]利用CNC系統(tǒng)中的D地址進(jìn)行存儲,調(diào)用R地址中的數(shù)值實(shí)現(xiàn)誤差補(bǔ)償控制。在VDM-75型機(jī)床上進(jìn)行各進(jìn)給軸補(bǔ)償?shù)脑囼?yàn)取得了不錯(cuò)的補(bǔ)償效果,波動幅度較小。熱誤差補(bǔ)償實(shí)驗(yàn)對比結(jié)果如圖5所示。

        圖5 熱誤差補(bǔ)償實(shí)驗(yàn)結(jié)果對比

        4 結(jié) 語

        本文結(jié)合螢火蟲算法和優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò),建立了基于GSO-BP神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型,該模型在VDM-75型機(jī)床試驗(yàn)中證明,即使受到熱誤差環(huán)境的影響,誤差波動范圍最低也可減少43.6%。該方法具有概念簡單、運(yùn)算速度快、預(yù)測結(jié)果較準(zhǔn)確等特點(diǎn),具有一定的工程應(yīng)用價(jià)值。

        猜你喜歡
        螢火蟲梯度閾值
        一個(gè)改進(jìn)的WYL型三項(xiàng)共軛梯度法
        一種自適應(yīng)Dai-Liao共軛梯度法
        小波閾值去噪在深小孔鉆削聲發(fā)射信號處理中的應(yīng)用
        一類扭積形式的梯度近Ricci孤立子
        基于自適應(yīng)閾值和連通域的隧道裂縫提取
        螢火蟲
        比值遙感蝕變信息提取及閾值確定(插圖)
        河北遙感(2017年2期)2017-08-07 14:49:00
        螢火蟲
        室內(nèi)表面平均氡析出率閾值探討
        抱抱就不哭了
        国产麻豆精品精东影业av网站| 国产主播无套内射一区| 国产熟女av一区二区三区四季| 亚洲国产精品激情综合色婷婷| 色与欲影视天天看综合网| 99精品又硬又爽又粗少妇毛片| 91九色国产老熟女视频| 国产七十六+老熟妇| 丰满五十六十老熟女hd| 精品一区二区三区在线观看l| 国产精品麻豆一区二区三区| 色偷偷偷在线视频播放| 国产啪精品视频网站| 亚洲国产精品久久久性色av| 国产av一区二区日夜精品剧情| 亚洲欧洲免费无码| 久久综合久久鬼色| 精精国产xxx在线视频app| 国产午夜精品久久精品| 亚洲综合网站久久久| 在线永久看片免费的视频| 日韩Va亚洲va欧美Ⅴa久久| 开心激情视频亚洲老熟女| 野外亲子乱子伦视频丶| 国产免费资源高清小视频在线观看| 青青草视频国产在线观看| 91自拍视频国产精品| 国产无遮挡又黄又爽在线观看| 人妻无码中文专区久久综合| 美女福利视频在线观看网址| 日日摸夜夜添夜夜添高潮喷水| 国产suv精品一区二区| 精品999无码在线观看| 91精品国产乱码久久中文| 中出人妻中文字幕无码| 久久久久久久妓女精品免费影院| 色偷偷亚洲精品一区二区| 久久午夜羞羞影院免费观看| 日日摸夜夜添夜夜添无码免费视频 | 亚洲女同恋av中文一区二区| 久久亚洲私人国产精品va|