基于模糊基函數(shù)網(wǎng)絡(luò)在磨削過程建模中的應(yīng)用

本文提出了一種新的基于自適應(yīng)最小二乘（ALS）算法的模糊基函數(shù)網(wǎng)絡(luò)（FBFN），
并用磨削表面粗糙度模型來測試基于ALS 的FBFN 的性能，結(jié)果證明它在逼進復(fù)雜非線性
磨削過程中有著很好的效果。
關(guān)鍵詞：ALS； FBFN；粗糙度

Abstract：A novel adaptive Least-Squares Algorithm for FBFN is developed in this paper. A model of surface roughness using FBFN is applied in order to test the capabilities of FBFN trained by the ALS algorithm for approximating nonlinear grinding process. It proved that the novel algorithm
performs excellent in nonlinear approximation.
Key words: ALS；FBFN；roughness

磨削在當今加工制造業(yè)占據(jù)著重要地位。磨削過程建模因為其自身的高度復(fù)雜性和輸入
輸出的非線性關(guān)系，而成為最富挑戰(zhàn)性的難題之一。我們對磨削過程的認識主要集中前人所做的分析模型、實驗數(shù)據(jù)和專家的經(jīng)驗知識，建模需要對上述各種信息加以整合。實踐經(jīng)驗表明，磨削過程的主要參數(shù)修整導(dǎo)距、修整深度、工件轉(zhuǎn)速和磨輪轉(zhuǎn)速對磨削后工件的表面粗糙度都有影響，應(yīng)建立一個四輸入一輸出的數(shù)學(xué)模型。但這四個因素作用規(guī)律復(fù)雜，且呈現(xiàn)非線性關(guān)系，采用常規(guī)的統(tǒng)計回歸方法很難建立數(shù)學(xué)模型。模糊神經(jīng)網(wǎng)絡(luò)（NFS）是神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)相結(jié)合的產(chǎn)物，它綜合模糊邏輯和神經(jīng)網(wǎng)絡(luò)的優(yōu)點,既能表示定性知識，又表示具有自學(xué)習和很強的非線性逼近能力，是處理非線性系統(tǒng)的有力工具。但是訓(xùn)練NFS需要大量的樣本，在實際操作中因為條件的限制而不可行。
本文提出了一種新的基于自適應(yīng)最小二乘（ALS）算法的模糊基函數(shù)網(wǎng)絡(luò)（FBFN），根
據(jù)分析方程通過ALS算法來構(gòu)建出粗略形式的模糊規(guī)則，然后用小樣本的實驗數(shù)據(jù)來調(diào)整構(gòu)建好的FBFN的各個參數(shù)。經(jīng)過實驗的驗證，取得了很好的效果。