基于RBR-GA-BP集成的凸轮轴数控磨削工艺智能推理

doi:10.16731/j.cnki.1671-3133.2017.03.012

现代制造工程 ›› 2017, Vol. 438 ›› Issue (3): 71-76.doi: 10.16731/j.cnki.1671-3133.2017.03.012

基于RBR-GA-BP集成的凸轮轴数控磨削工艺智能推理

张晓红^1,2, 邓朝晖³, 万林林³, 刘伟³

1 湖南理工学院机械工程学院,岳阳 414006
2 湖南大学机械与运载工程学院,长沙 410082
3 湖南科技大学机电工程学院,湘潭 411201

收稿日期:2015-10-30 出版日期:2017-03-18 发布日期:2018-01-08
作者简介:张晓红,博士,副教授,研究方向为磨削加工工艺与装备。
E-mail:jansbomb@126.com
基金资助:
国家自然科学基金青年项目(51405158);国家863高科技资助项目(2014AA041504);中国博士后科学基金面上一等资助项目(2013M540626)

Research on intelligent reasoning of camshaft NC grinding process based on RBR-GA-BP

Zhang Xiaohong^1,2, Deng Zhaohui³, Wan Linlin³, Liu Wei³

1 College of Mechanical Engineering,Hunan Institute of Science and Technology,Yueyang 414006,Hunan,China
2 College of Mechanical and Vehicle Engneering,Hunan University,Changsha 410082,China
3 College of Electromechanical Engineering,Hunan University of Science and Technology,Xiangtan 411201,Hunan,China

Received:2015-10-30 Online:2017-03-18 Published:2018-01-08

摘要/Abstract

摘要： 磨削加工工艺方案智能推理一直是困扰制造企业的难题。当前选择磨削加工工艺方案的方式仍以传统的试切法和经验法为主。为此,提出一种基于规则推理理论(Rule-based Reasoning,RBR)、遗传算法(Genetic Algorithm,GA)和BP神经网络(BP neural network,BP)等多种智能技术集成的凸轮轴数控磨削工艺智能推理模型体系结构。建立了基于变量＋事实＋规则的三层结构体系,推理策略采用正、反向混合推理、置信度和活性度综合排序的方式来进行冲突消解;构建了5×12×8三层GA-BP网络拓扑模型,采用测试样本对模型进行测试,结果表明,85.42%的预测值的百分比误差处于±10%以内。以某型凸轮轴毛坯加工为例,验证了凸轮轴数控磨削工艺智能推理模型的有效性。

关键词: 规则推理, 遗传算法, BP神经网络, 凸轮轴磨削, 工艺智能推理

Abstract: A problem for manufacturing enterprises is how to obtain grinding process plans intelligently.Currently choosing the grinding process plans is still focus on the traditional “test cut” method and “experience” law.On the basis of,an intelligent reasoning model of camshaft NC grinding process based on rule-based reasoning,genetic algorithm and BP neural network methods is introduced.Its structure is constructed by three layers including variable,fact and rule.Mixed reasoning with positive and negative position,an integrated sort of confidence and activity to realize conflict resolution is used in reasoning strategy.A 5×12×8 GA-BP network topology model is established.After testing,the results show that for 85.42% of the predicted values their percentage errors are within ±10%.Its effectiveness is verified by applying the model to process.

Key words: Rule-based Reasoning (RBR), Genetic Algorithm (GA), BP neural network (BP), camshaft grinding, process intelligent reasoning

中图分类号:

TG580

张晓红, 邓朝晖, 万林林, 刘伟. 基于RBR-GA-BP集成的凸轮轴数控磨削工艺智能推理[J]. 现代制造工程, 2017, 438(3): 71-76.

Zhang Xiaohong, Deng Zhaohui, Wan Linlin, Liu Wei. Research on intelligent reasoning of camshaft NC grinding process based on RBR-GA-BP[J]. Modern Manufacturing Engineering, 2017, 438(3): 71-76.

[1]	陈静，李广强，. 基于驾驶模式划分的氢燃料电池汽车能量管理策略[J]. 现代制造工程, 2022, 500(5): 36-41.
[2]	陈磊，娄恒权，王相柠，胡雨欣，. IE与遗传算法在C公司生产线平衡中的应用研究[J]. 现代制造工程, 2022, 500(5): 122-129.
[3]	陈磊，王相柠，娄恒权，胡雨欣，贾记萌. 针对产能损失的生产线瓶颈辨识与转移预测[J]. 现代制造工程, 2022, 499(4): 21-28.
[4]	杨爱平，唐倩，阳小林，李苗娟，柳跃雷，蔺梦圆，张鹏辉. 基于神经网络与PSO算法的发动机装配工艺参数优化[J]. 现代制造工程, 2022, 497(2): 105-113.
[5]	王运涛，刘钢，薛俊芳. 基于改进遗传算法的拆卸序列规划[J]. 现代制造工程, 2022, 496(1): 137-142.
[6]	刘会芸，侯志平. 基于自动编码器数据降维的滚动轴承故障诊断研究[J]. 现代制造工程, 2022, 496(1): 148-153.
[7]	谢峰，张晨晨，李凡. 自适应随机共振算法的立铣刀磨损信号检测[J]. 现代制造工程, 2021, 492(9): 1-8.
[8]	李铁，张文虎，张帅军，刘朋. 基于遗传权重的产品故障间隔时间灰度预报[J]. 现代制造工程, 2021, 492(9): 101-106.
[9]	吴礼繁，胡国良，易锋，喻理梵. 内置永磁体的盘式磁流变制动器结构优化设计及仿真分析[J]. 现代制造工程, 2021, 491(8): 138-146.
[10]	唐浩，黎向锋，张丽萍，王建明，叶磊，王子旋. 扰动机制下的遗传算法求解柔性作业车间调度[J]. 现代制造工程, 2021, 490(7): 1-9.
[11]	钟江，宁诗铎，郑晓军，鲍洪阳. 面向非连续多去除量的城轨底架滑槽加工优化[J]. 现代制造工程, 2021, 489(6): 63-68.
[12]	王少伟，徐锋，晁海涛，刘宇，左敦稳. 基于支持向量机的纺织热轧机故障分类的研究[J]. 现代制造工程, 2021, 489(6): 116-121.
[13]	谢锋云，董建坤，王二化，符羽，闫少石. 基于双隐含层RWPSO-BP神经网络的齿轮箱故障诊断研究[J]. 现代制造工程, 2021, 489(6): 155-160.
[14]	王玉芳，缪昇，马铭阳，葛嘉荣. 改进混合遗传算法的作业车间调度研究[J]. 现代制造工程, 2021, 488(5): 32-38.
[15]	刘佳楠，原丕业，刘畅，张萌. 基于遗传算法的直线型和U型混流装配线平衡问题研究[J]. 现代制造工程, 2021, 487(4): 12-19.

基于RBR-GA-BP集成的凸轮轴数控磨削工艺智能推理

Research on intelligent reasoning of camshaft NC grinding process based on RBR-GA-BP

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics