模糊補償神經網絡及其在電火花模具加工過程中的應用研究.pdf

1、在研究電火花加工過程中,根據(jù)各項加工參數(shù)對加工結果的影響,為建立優(yōu)化的加工方案,提出用一種新的模糊補償神經網絡來建立仿真模型,模仿實際系統(tǒng)的加工狀態(tài),并得到優(yōu)化的加工參數(shù).同時,通過對此復雜系統(tǒng)進行仿真比較可以看出,由模糊神經元構成的模糊神經網絡通過引入補償算子,在網絡學習訓練過程中,不僅能夠自適應調整隸屬函數(shù)的參數(shù),而且能夠動態(tài)優(yōu)化模糊推理.模糊補償神經網絡的優(yōu)勢性能主要體現(xiàn)在:(1)網絡能夠對初始正確定義的模糊規(guī)則或者初始錯誤定義的

2、模糊規(guī)則進行訓練,容錯性能更高,使系統(tǒng)更穩(wěn)定;(2)模糊運算采用動態(tài)的、全局優(yōu)化運算,并且在網絡的學習過程中,又動態(tài)地優(yōu)化了補償模糊運算,使網絡更具適應性;(3)網絡不僅能適當調整輸入、輸出隸屬函數(shù),也能借助于補償邏輯算法動態(tài)地優(yōu)化適應的模糊推理;(4)引入補償算子的網絡算法的學習速度比傳統(tǒng)的基于BP算法的模糊神經網絡系統(tǒng)的速度快,若通過用啟發(fā)式算法去適當預置模糊補償度可以進一步提高該算法的學習速度.同時,該文通過用模糊補償神經網絡技術