基于AGA-GRNN神经网络的刀具寿命预测研究
2018-11-24李浩平欧阳俊谢雪媛
三峡大学学报(自然科学版) 2018年6期
李浩平 欧阳俊 谢雪媛
(三峡大学 机械与动力学院, 湖北 宜昌 443002)
在回归分析预测刀具寿命的方法中,神经网络方法由于具有较好的非线性逼近能力,能较好地拟合影响刀具寿命的因素与刀具寿命之间的非线性关系,因此得到了广泛使用.大量研究学者运用BP神经网络来实现刀具寿命预测,同时结合GA、ACO、PSO、DE等算法来优化BP神经网络的参数,取得了不错的预测精度和预测效果[1-4].但是,BP神经网络的网络层数与节点数、神经元之间的连接权值、阈值等参数数量较多,优化工作量较复杂,同时,网络学习速率、传递和训练函数等参数需要人为不断反复调试,才能最终获得预测精度较高的模型,增加了预测模型构建的难度和复杂程度.
针对上述问题,本文提出运用广义回归神经网络(GRNN)来实现刀具寿命预测,与BP网络不同,GRNN学习算法在训练过程中不需要调整神经元之间的连接权值,网络的学习完全取决于数据样本,只需要确定平滑参数,即光滑因子(亦称扩展速度,SPREAD),且不需要对传递函数、隐含层神经元个数等对模型预测精度和速度产生影响的网络参数进行人为的确定,从而使GRNN预测模型能最大限度地避免人为主观设定对预测结果的影响.同时,分别采用交叉验证法、遗传算法和自适应遗传算法优化网络参数—光滑因子,以提高模型预测的精度和效率.
1 刀具寿命影响因素
实际加工中,刀具寿命通常指刀具从投入使用直到磨钝时的切削时间……
登录APP查看全文
