买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州科技大学

摘要：本发明公开了一种基于BP神经网络的三轴数控加工刀轨逼近误差计算方法，首先获取神经网络模型计算所需的核心参数，并运用均值方差归一化将这些参数映射到同一尺度；然后根据逼近误差理论值是由刀触点轨迹线上极少数未知的关键刀触点决定的特征，加入Dropout稀疏对网络结构进行优化，实现在每次迭代过程中隐藏一部分神经元，从而减少非核心刀触点对逼近误差值计算产生干扰，促使模型泛化能力提升；最后在对损失函数进行梯度下降的反向传播过程中使用SGDM优化器StochasticGradientDescentwithMomentum,具有动量的随机梯度下降算法，帮助模型加速逃离局部最优解区域、提高计算精度，从而获得准确的逼近误差值。

主权项：1.一种基于BP神经网络的数控加工逼近误差计算方法，其特征在于，包含以下步骤：步骤1：导入曲面模型，规划等参数刀轨；步骤2：数据准备及预处理；步骤3：建立神经网络模型；步骤4：计算逼近误差值；其中所述导入曲面模型，规划等参数刀轨包括：对曲面模型采用刀触点截面线法和等参数步长法规划出刀轨，并获取每个刀触点、刀位点及其局部刀触点曲线、逼近误差信息；所述数据准备及预处理过程包括：为每个刀位点构造一个样本，所包括的参数有：逼近误差计算值yj、刀具半径R、相邻两刀位点的三坐标、相邻两刀触点之间局部刀触点曲线上的离散点集的三坐标、逼近误差理论值dj；使用均值方差归一化将样本内的参数映射到同一尺度；所有样本组成了样本数据集；所述建立神经网络过程包括：设置创建神经网络所需参数：隐藏层神经元数n1、隐藏层数量、神经元被停止传输数据的概率p、模型学习率η、动量超参数β、神经元初始权重whj、神经元初始偏置bij、激活函数，引入Dropout稀疏技术和SGDM优化器，完成BP神经网络模型的创建，其中所述激活函数为ReLU函数；所述计算逼近误差值过程包括：将样本数据集中的样本逐一导入神经网络，样本数据在网络中进行前向传播，传播到输出层时输出的数据为网络模型的逼近误差计算值yj；使用MSE损失函数计算理论值dj与计算值yj之间的误差，并以此衡量模型的逼近误差值计算精度；若精度未达到预期，则开始进行反向传播，使用梯度下降算法对神经元的权重与偏置值进行调整，使MSE损失函数值达到最小；若精度仍未达到预期，则对网络模型的超参数进行调整并重新开始计算，直到模型的计算精度到达最高；保存模型的逼近误差计算值以及神经网络模型的权重、偏置值。

全文数据：

权利要求：

百度查询： 苏州科技大学 基于BP神经网络的三轴数控加工刀轨逼近误差计算方法