[發(fā)明專利]經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法

在審

• 申請?zhí)枺?/td>: 201510052875.0
• 申請日: 2015-02-02
• 公開（公告）號: CN104597842A
• 公開（公告）日: 2015-05-06
• 發(fā)明（設(shè)計(jì)）人: 周祖德;胡建民;婁平;劉泉;姜正
• 申請（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號: G05B19/404
• 分類號: G05B19/404
• 代理公司: 武漢開元知識產(chǎn)權(quán)代理有限公司 42104
• 代理人: 潘杰;劉琳

1.一種經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：包括如下步驟：

1)建立三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)框架；

2)將一組機(jī)床床身溫度場和主軸X、Y、Z方向熱誤差數(shù)據(jù)作為第一組樣本數(shù)據(jù)進(jìn)行輸入；

3)用遺傳算法對初始值進(jìn)行實(shí)數(shù)編碼，初始化種群；

4)進(jìn)行適應(yīng)度值計(jì)算，并設(shè)定遺傳算法的結(jié)構(gòu)參數(shù)；

5)利用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)各層的初始權(quán)值和閾值進(jìn)行全局尋優(yōu)；

6)采用所述第一組樣本數(shù)據(jù)對已確定初始權(quán)值和閾值的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行誤差計(jì)算，若輸出誤差E大于誤差設(shè)定值e，則更新BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值后再進(jìn)行誤差計(jì)算，若輸出誤差E小于或者等于誤差設(shè)定值e，得到BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差仿真模型。

2.根據(jù)權(quán)利要求1所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：還包括驗(yàn)證步驟：

7)將兩組機(jī)床床身溫度場數(shù)據(jù)分別作為第二組和第三組樣本數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差仿真模型，將第二組和第三組樣本數(shù)據(jù)的預(yù)測值與相應(yīng)的主軸X、Y、Z方向熱誤差數(shù)據(jù)進(jìn)行對比。

3.根據(jù)權(quán)利要求1所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：步驟1中BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)目為7，隱含層神經(jīng)元數(shù)目為25，輸出層神經(jīng)元數(shù)目為1。

4.根據(jù)權(quán)利要求2所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：所述步驟2中的第一組和所述步驟7中的第二組、第三組樣本數(shù)據(jù)分別為連續(xù)采集72小時(shí)的機(jī)床床身測溫點(diǎn)的溫度數(shù)據(jù)和主軸X、Y、Z方向的靜態(tài)熱漂移誤差數(shù)據(jù)中的0-24小時(shí)、25-48小時(shí)、49-72小時(shí)數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：所述步驟2)與步驟3)之間還包括歸一化處理的步驟：對所述第一組樣本數(shù)據(jù)中的溫度數(shù)據(jù)和形變數(shù)據(jù)分別通過下述公式進(jìn)行歸一化處理：

Pij=2×(Pij-minPi)(maxPi-minPi)-1,]]>i＝1,2,…,n；j＝1,2,…,m

其中，P表示n×m維的樣本數(shù)據(jù)矩陣，P_ij表示樣本矩陣中第i行，第j列的一個(gè)元素，minP_i表示樣本矩陣第i行元素中s的最小值，maxP_i表示樣本矩陣第i行的最大值。

6.根據(jù)權(quán)利要求1所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：所述步驟4)中計(jì)算適應(yīng)度值的函數(shù)為誤差平方和的倒數(shù)。

7.根據(jù)權(quán)利要求1所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：所述步驟4)中遺傳算法的結(jié)構(gòu)參數(shù)包括：種群個(gè)數(shù)為50，交叉概率為0.1，變異概率為0.01，終止進(jìn)化次數(shù)為50。

8.根據(jù)權(quán)利要求1所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：所述步驟6)中的誤差設(shè)定值e為0.0001。

9.根據(jù)權(quán)利要求2所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：所述隱含層激勵函數(shù)采用log-sigmoid型，所述輸出層函數(shù)采用purelin線性函數(shù)。

10.根據(jù)權(quán)利要求5所述的經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)重型機(jī)床熱誤差建模方法，其特征在于：所述適應(yīng)度值的計(jì)算公式為：

E=Σk=1m(yk-y^k)2]]>

其中，m表示輸出樣本數(shù)據(jù)的個(gè)數(shù)，表示網(wǎng)絡(luò)輸出的第k個(gè)實(shí)際值，y_k表示網(wǎng)絡(luò)輸出的第k個(gè)預(yù)測值。