基于改进BP神经网络的机床温度预警

作     者：李泽阳 郑飂默 李备备 刘信君 LI Ze-yang;ZHENG Liao-mo;LI Bei-bei;LIU Xin-jun

作者机构：中国科学院大学北京100049 中国科学院沈阳计算技术研究所沈阳110168 沈阳中科数控技术股份有限公司自动化装备事业部沈阳110168 

出 版 物：《组合机床与自动化加工技术》 (Modular Machine Tool & Automatic Manufacturing Technique)

年 卷 期：2021年第9期

页      面：81-84,89页

学科分类：12[管理学] 080503[工学-材料加工工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：辽宁省“兴辽英才计划”项目(XLYC1807195) 中国博士后科学基金面上资助(2018M641729) 

主　　题：数控机床 BP神经网络 自适应学习率 温度预警 

摘      要：为了避免温度过热对数控机床的影响,在对BP网络模型原理分析的基础上,针对BP算法收敛速度过慢的缺陷进行自适应学习率改进,设计了一种基于数控机床温度传感器采集的实时温度预警模型,然后利用MATLAB平台对实验数据进行了仿真分析。实验结果对比表明,采用自适应学习率改进的BP神经网络在误差精度0.01的条件下,迭代次数相较标准BP算法更少,收敛速度更快,模型预测结果与真实测得的温度数据比较具有较高的准确率,可以达到温度预警的效果。