论文部分内容阅读
针对目前我国对数控机床结合面动态特性理论建模难度大、效率低等问题,建立了数控机床固定结合面动态特性参数的神经网络模型,利用BP神经网络的自学能力,对固定结合面特性进行了分析预测。同时利用遗传算法全局搜索能力强的特点,对BP神经网络的初始权值和阈值进行优化,克服了其收敛速度慢和易陷入局部最优解的缺点。通过MATLAB对该算法进行编程。结果显示,该模型对数控机床结合面动态特性的判断基本符合实际。