FWP 加工变形补偿预测的ATS-FNN 建模及仿真

华南理工大学学报(自然科学版) ›› 2012, Vol. 40 ›› Issue (3): 137-142.

FWP 加工变形补偿预测的ATS-FNN 建模及仿真

邓耀华刘桂雄^†

华南理工大学机械与汽车工程学院，广东广州 510640

收稿日期:2011-11-18 修回日期:2011-12-22 出版日期:2012-03-25 发布日期:2012-02-01
通信作者: 刘桂雄(1968-) ，男，教授，博士生导师，主要从事智能传感技术、现代检测技术与网络化控制研究． E-mail: megxliu@scut.edu.cn E-mail:dengyaohua@gdut.edu.cn
作者简介:邓耀华(1978-) ，男，在职博士生，广东工业大学讲师，主要从事加工过程智能建模研究．
基金资助:
教育部新世纪优秀人才支持计划项目( NCET-08-0211) ; 粤港关键领域重点突破项目( 20080102-5)

ATS-FNN-Based Modeling and Simulation for Compensation Prediction of FWP Machining Deformation

Deng Yao-hua Liu Gui-xiong

School of Mechanical and Automotive Engineering,South China University of Technology,Guangzhou 510640,Guangdong,China

Received:2011-11-18 Revised:2011-12-22 Online:2012-03-25 Published:2012-02-01
Contact: 刘桂雄(1968-) ，男，教授，博士生导师，主要从事智能传感技术、现代检测技术与网络化控制研究． E-mail: megxliu@scut.edu.cn E-mail:dengyaohua@gdut.edu.cn
About author:邓耀华(1978-) ，男，在职博士生，广东工业大学讲师，主要从事加工过程智能建模研究．
Supported by:
教育部新世纪优秀人才支持计划项目( NCET-08-0211) ; 粤港关键领域重点突破项目( 20080102-5)

摘要/Abstract

摘要： 针对柔性工件轨迹( FWP) 加工变形影响因素复杂、对变形补偿预测模型实时性要求较高的问题，提出了FWP 加工变形补偿预测的自适应TS 模糊神经网络( ATS-FNN)建模方法．该方法利用自适应模糊聚类方法从历史加工数据中获取T-S 型模糊神经网络( TS-FNN) 前件网络的模糊隶属度函数、规则适应度; 后件神经网络采用最速下降法作为学习算法，以较快地获得网络连接权值参数．仿真表明，文中构建的ATS-FNN 比标准TS型模糊神经网络的建模时间减少52.34%，x、y 方向补偿预测值的均方误差分别减少了36.50%和33.34%．

关键词: 柔性工件, 加工变形, 补偿预测, 建模, 模糊神经网络, 模糊聚类

Abstract:

In order to meet the real-time requirements of the prediction model for deformation compensation of flexible workpiece path ( FWP) with complex factors,a ATS-FNN ( Adaptive TS Fuzzy Neural Network) -based modeling method for the compensation prediction of FWP machining deformation is proposed. In this method,the adaptive fuzzy clustering method is employed to obtain the antecedent fuzzy membership functions and fuzzy rule fitness of TS-FNN from historical machining data,and the steepest descent method is used as the learning algorithm of the consequent network to quickly calculate the parameters of connection weights. Simulated results indicate that,as compared with the standard TS-FNN,the ATS-FNN reduces a modeling time of 52.34% and a mean square error of the predicted compensation respectively by 36.50% or 33.34% in x or y direction.

Key words: flexible workpiece, machining deformation, compensation prediction, modeling, fuzzy neural network, fuzzy clustering

中图分类号:

TH16

邓耀华刘桂雄. FWP 加工变形补偿预测的ATS-FNN 建模及仿真[J]. 华南理工大学学报(自然科学版), 2012, 40(3): 137-142.

Deng Yao-hua Liu Gui-xiong. ATS-FNN-Based Modeling and Simulation for Compensation Prediction of FWP Machining Deformation[J]. Journal of South China University of Technology(Natural Science Edition), 2012, 40(3): 137-142.

[1]	何永明, 邢婉钰, 魏堃, 等. 超高速公路自动驾驶车辆换道轨迹规划策略[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 104-113.
[2]	黄炎, 符锌砂, 曾彦杰, 等. 基于激光雷达里程计的高速公路三维建模方法[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 129-138.
[3]	王振民, 谢惠民, 李栩延, 等. 核用小直径传热管衬管焊接TIG焊枪的设计及优化[J]. 华南理工大学学报(自然科学版), 2023, 51(7): 1-11.
[4]	卢雨, 顾朱浩, 刘社文, 等. 基于实冰况的船首抗冰强度优化设计[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 50-57.
[5]	李智, 陈业航, 冯宝, 等. 基于活动轮廓模型的脑梗死图像分割[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 102-111,124.
[6]	刘娇蛟王倩倩马碧云. 基于直扩超宽带的超声波人体通信技术仿真[J]. 华南理工大学学报（自然科学版）, 2020, 48(3): 18-23,31.
[7]	韩曦, 周迎春, 赵欣远, 等. CCFD 中继系统中基于多维矩阵的信道估计方法[J]. 华南理工大学学报（自然科学版）, 2020, 48(1): 133-138,146.
[8]	冯颖冯俊杰 Subhash Rakheja 姜辉. 一种基于率相关回滞的压电带载驱动建模方法[J]. 华南理工大学学报(自然科学版), 2018, 46(8): 57-63.
[9]	马渊博李斌吴朝晖吴海岗陈志坚. 基于功率放大芯片可靠性优化的多热源电热联合仿真方法[J]. 华南理工大学学报（自然科学版）, 2018, 46(10): 50-57.
[10]	朱革兰盛建兰. 考虑电压支撑的新能源发电网的外网等值建模[J]. 华南理工大学学报（自然科学版）, 2017, 45(7): 1-7.
[11]	徐晓刚谢运祥王映品李兰芳曾志武张晓宇. 统一电能质量调节器的精确建模与协调控制[J]. 华南理工大学学报（自然科学版）, 2017, 45(10): 62-70.
[12]	曾小华蒋渊德李高志宋大凤贺辉. 重型车辆液压辅助驱动系统的前馈+ 反馈复合控制[J]. 华南理工大学学报（自然科学版）, 2016, 44(9): 116-122,150.
[13]	欧阳森郜幔幔杨家豪王克英. 基于模糊聚类的区域变电站节电划分方法[J]. 华南理工大学学报（自然科学版）, 2016, 44(8): 39-46.
[14]	欧阳森吴裕生冯天瑞. 基于模糊聚类的实用系数分析方法[J]. 华南理工大学学报（自然科学版）, 2016, 44(4): 40-46.
[15]	郑伟佳王孝洪皮佑国. 基于输出误差的永磁同步电机分数阶建模[J]. 华南理工大学学报（自然科学版）, 2015, 43(9): 8-13.