1.一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法,其特征在于包含以下步驟:
S1.神經(jīng)網(wǎng)絡(luò)預(yù)測模型的確定:確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),包括網(wǎng)絡(luò)層數(shù)、隱含層的節(jié)點數(shù)和神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)和輸出層節(jié)點數(shù),采用實數(shù)編碼,將各層權(quán)值和閾值作為基因進(jìn)行初始值編碼,編碼后每個神經(jīng)網(wǎng)絡(luò)對應(yīng)一條染色體;
S2.對訓(xùn)練樣本和檢驗樣本的歸一化處理,使用修正的線性函數(shù)Mapminmax將數(shù)據(jù)都映射到[0.1,0.9]范圍內(nèi);
樣本歸一化處理計算方法如下:
其中,x為待歸一化的數(shù)據(jù);xmax,xmin分別為一列中的最大值和最小值,xi歸一化后的數(shù)據(jù)。
S3.采用遺傳算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行選擇操作,確定種群規(guī)模N,隨機(jī)生成N條染色體,確定控制參數(shù):控件參數(shù)包括交叉概率、變異概率和終止條件,確定適應(yīng)性函數(shù),適應(yīng)性函數(shù)用來評判個體對環(huán)境的適應(yīng)性,根據(jù)適應(yīng)性函數(shù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到誤差作為初始適應(yīng)度值,并選擇適應(yīng)度高的個體;
S4.將選擇的兩個適應(yīng)度高的個體作為母體,依據(jù)步驟S3中設(shè)置的交叉概率,運用交叉算子進(jìn)行交叉操作,依據(jù)步驟S3中設(shè)置的變異概率進(jìn)行變異操作;
S5.根據(jù)適應(yīng)度函數(shù),計算適應(yīng)度值;
S6.檢驗是否滿足終止條件,若滿足,選擇最優(yōu)權(quán)值閾值,計算誤差更新權(quán)值閾值;
S7.根據(jù)步驟S6計算的誤差,滿足設(shè)定精度條件的終止循環(huán),預(yù)測得到銅管內(nèi)螺紋的成形結(jié)果,若未滿足設(shè)定精度條件則回轉(zhuǎn)步驟S6。
2.根據(jù)權(quán)利要求1一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法,其特征在于步驟S1中所述的隱含層的節(jié)點數(shù)根據(jù)2n+1(n為輸入層節(jié)點數(shù))確定。
3.根據(jù)權(quán)利要求1一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法,其特征在于步驟S1中所述的神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)根據(jù)研究設(shè)定的自變量數(shù)確定,所述的神經(jīng)網(wǎng)絡(luò)的輸出層節(jié)點數(shù)根據(jù)研究設(shè)定的因變量數(shù)確定。
4.根據(jù)權(quán)利要求1一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法,其特征在于步驟S1中所述的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3-7-1型網(wǎng)絡(luò)結(jié)構(gòu)。
5.根據(jù)權(quán)利要求3一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法,其特征在于所述設(shè)定的自變量為電機(jī)轉(zhuǎn)速、拉拔速度和旋壓位置3個自變量。
6.根據(jù)權(quán)利要求3一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法,其特征在于所述設(shè)定的因變量為內(nèi)螺紋齒高1個因變量。
7.根據(jù)權(quán)利要求1一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法,其特征在于步驟S7中精度條件為誤差小于0.00001。