神经网络算法在旋压工艺中的应用研究

论文摘要

金属的旋压变形是局部的连续的变形,工艺参数的选择对旋压件的质量控制起到至关重要的作用。在实际生产中的往往起决定作用的是经验的积累。本文在深入研究了神经网络的基础上,结合归一化后的旋压工艺参数影响因素,建立了基于BP神经网络的旋压锥形件壁厚偏差预测模型和基于RBF神经网络的筒形件轴线偏移缺陷诊断模型。并且利用MATLAB神经网络工具对两个模型进行了训练,训练和测试结果表明锥形件壁厚偏差预测模型和筒形件轴线偏移缺陷诊断模型是正确的,对旋压工艺的生产实践有一定的借鉴意义。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究现状
• 1.1.1 人工智能发展综述
• 1.1.2 神经网络发展综述
• 1.1.3 数据挖掘发展综述
• 1.2 研究目标和主要内容
• 1.2.1 研究目标
• 1.2.2 研究内容
• 2 数据挖掘的分类方法
• 2.1 数据挖掘过程与功能介绍
• 2.1.1 数据挖掘过程
• 2.1.2 数据挖掘功能
• 2.2 分类的基本技术
• 2.2.1 分类数据的预处理
• 2.2.2 数据分类的过程
• 2.3 几种典型的分类算法
• 2.3.1 决策树
• 2.3.2 贝叶斯
• 2.3.3 神经网络
• 3 基于 BP 神经网络的锥形件壁厚偏差预测
• 3.1 神经细胞以及人工神经元的组成
• 3.2 人工神经网络的基本结构与模型
• 3.2.1 人工神经元的模型
• 3.2.2 激活函数
• 3.2.3 单层神经元网络模型结构
• 3.2.4 多层神经网络
• 3.3 误差反向传播神经网络
• 3.3.1 BP 神经网络
• 3.3.2 构造 BP 神经网络
• 3.4 改进的反向传播算法
• 3.5 旋压锥形件壁厚偏差的神经网络模型预测
• 3.5.1 问题提出
• 3.5.2 BP 神经网络模型的建立
• 3.5.3 BP 网络设计
• 3.5.4 BP 网络训练与测试
• 3.6 厚度偏差预测的竞争网络模型
• 4 基于 RBF 网络的筒形件轴线偏移缺陷诊断
• 4.1 RBF 神经网络模型与学习算法
• 4.1.1 RBF 神经网络模型
• 4.1.2 RBF 网络的学习算法
• 4.2 旋压筒形件直线度偏差诊断
• 4.2.1 样本数据集设计
• 4.2.2 网络设计
• 5 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 攻读学位期间已发表的学术论文及科研成果