[发明专利]一种液压机加工工艺的模拟方法及系统

权利要求书

1.一种液压机加工工艺的模拟方法，其特征在于，包括如下步骤：

建立液压机加工过程中的每个工艺过程的径向基函数神经网络；

采集液压机加工过程的每个工艺过程的输入向量和输出向量，获得训练样本；

根据所述训练样本，设置初始参数，对所述径向基函数神经网络进行训练，直到每个工艺过程的径向基函数神经网络与该径向基函数神经网络所对应的工艺过程的实际工况误差小于设定值，得到液压机加工工艺模型；

根据液压机加工过程的实际输入向量，采用所述液压机加工工艺模型，进行所述液压机加工工艺的模拟。

2.根据权利要求1所述的方法，其特征在于，所述径向基函数神经网络包括输入层、隐含层和输出层，所述建立液压机加工过程中的每个工艺过程的径向基函数神经网络，具体包括：

采用公式x＝[y(k-1),…,y(k-n_y)；u(k),u(k-1),…,u(k-n_u)；j；k]计算输入层的网络输入；其中，y(k)，u(k)分别为第k次采样得到的输出向量、输入向量，n_y和n_u分别为输出和输入的最大延迟；j表示液压机系统在第j个工艺过程；

采用计算隐含层的的激励函数；其中，c_m为第m个径向基函数的中心点向量，G为Gauss函数，σ_m为第m个径向基函数的特征参数；M为隐含层神经元个数；

采用公式b＝[y_M(k)]和公式计算输出层的网络输出；其中，w_m为隐含层与输出层单元间权重。

3.根据权利要求1所述的方法，其特征在于，所述根据所述训练样本，设置初始参数，对所述径向基函数神经网络进行训练，直到每个工艺过程的径向基函数神经网络与该径向基函数神经网络所对应的工艺过程的实际工况误差小于设定值，得到液压机加工工艺模型，具体包括：

步骤1，设置所述径向基函数神经网络中的参数的初始值；所述参数包括中心点向量c_m、特征参数σ_m和隐含层与输出层单元间权重w_m；

步骤2，根据所述训练样本中的输入向量和输出向量确定所述径向基函数神经网络的网络输入；

步骤3，根据所述网络输入计算网络输出；

步骤4，计算所述训练样本中的输出向量和所述网络输出的误差，判断所述误差是否小于所述设定值，若否，则执行步骤5，若是，则结束训练；

步骤5，基于学习算法，调整径向基函数神经网络中的参数，返回步骤2。

4.根据权利要求3所述的方法，其特征在于，所述基于学习算法，调整径向基函数神经网络中的参数，具体包括：

根据各径向基函数的中心之间的距离确定各径向基函数的中心与其它径向基函数中心的最小距离作为各径向基函数对应的扩展常数；

根据所述输出向量和所述网络输出的误差，计算网络输出和输出向量的均方误差作为误差梯度的代价函数；

根据所述扩展常数和所述代价函数，在误差梯度的负方向以设定的学习率调整所述径向基函数神经网络中的参数。

5.一种液压机加工工艺的模拟系统，其特征在于，包括径向基函数神经网络建立模块、数据采集模块、径向基函数神经网络训练模块、液压机加工工艺模拟模块；

所径向基函数神经网络建立模块，用于建立液压机加工过程中的每个工艺过程的径向基函数神经网络；

所述数据采集模块，用于采集液压机加工过程的每个工艺过程的输入向量和输出向量，获得训练样本；

所述径向基函数神经网络训练模块，用于根据所述训练样本，设置初始参数，对所述径向基函数神经网络中进行训练，直到每个工艺过程的径向基函数神经网络与该径向基函数神经网络所对应的工艺过程的实际工况误差小于设定值，得到液压机加工工艺模型；

所述液压机加工工艺模拟模块，用于根据液压机加工过程的实际输入向量，采用所述液压机加工工艺模型，进行液压机加工工艺的模拟。