摘要
将人工神经网络与遗传算法相融合 ,利用遗传算法优化多层前馈神经网络的结构和初始参数 ,利用多层前馈网络的映射能力进行振动钻削仿真 ,最后对训练好的神经网络稍加改造 ,利用 BP网的逆映射进行参数优化。试验表明神经网络与遗传算法应用于振动钻削过程仿真是可行的 。
We combine Artificial Neural Network with Genetic Algorithm in this paper, optimize the configuration and initial parameters of Multi-layer Feed-forward Network by Genetic Algorithm, carry out vibration drilling simulation using the mapping capacity of MFN, and then we optimize the parameters by modifying the trained ANN. The experiments show that it is a effective method. It also provides a new study and analysis method for the studying of vibration drilling.
出处
《中国机械工程》
EI
CAS
CSCD
北大核心
2001年第z1期172-174,12,共4页
China Mechanical Engineering
基金
国家自然科学基金资助项目 ( 5 96 75 0 5 9)
关键词
人工神经网络
BP算法
遗传算法
振动钻削
仿真
参数优化
artificial neural network back-propagation algorithm genetic algorithm vibration drilling simulation parameter optimization
作者简介
赵宏伟，男，1962年生。吉林大学(长春市 130025)信息学院计算机系副教授、博士研究生。研究方向为机电控制、智能制造、人工神经网络、计算机仿真与科学计算可视化。获省部级奖励2项。发表论文20余篇。臧雪柏，女，1963年生。吉林大学信息学院计算机系实验室副主任、高级工程师。凌兴宏，男，1968年生。北京航空航天大学(北京市 100083)机械系博士研究生。王立江，男，1934年生。吉林大学机械学院教授、博士研究生导师。
参考文献：
［1］王立江,张德远,张明.振动钻削微小孔提高加工精度的研究.机械工程学报,1992,28(1):31～35
