（机械工程专业论文）立磨磨辊轴神经网络优化设计及其编程实现.pdfVIP

华中科技大学硕士学位论文 1 。1 课题的背景和意义 1 绪论 我国是水泥生产大国，2 0 0 1 年总产量达到5 7 6 亿吨，占全球总产量的三分之一。 中国水泥工业存在的主要问题是结构不合理，产品结构上，优质水泥仅占1 0 ，低标号 立窑水泥占绝大部分；工艺技术上，技术先进的干法水泥产量约占1 0 ；在规模结构上， 全国水泥生产线的平均生产能力低于6 万吨年。经济效益大，能源浪费大，污染严重。 水泥工业结构不合理的现状将在今后相当长的一段时间内制约我国建材工业，乃至整 个国民经济的健康发展。调整水泥工业结构，提高优质水泥的比例，满足国民经济建 设的需求，是我国水泥工业今后较长时间内的艰巨任务。 国家经贸委和国家建材局对水泥工业“十五”规划的总体精神是：控制总量，优化 产业结构；东部沿海地区重点发展4 0 0 0 t d 及以上规模的预分解窑，从产品、技术、 规模等方面改变目前水泥工业结构不合理的现象。 我国东部沿海地区和长江沿岸有着丰富的石灰石资源，地区经济发展速度快，对 水泥需求的数量和质量提出更高的要求，借助于便利的运输条件，在自然资源较好的 地区，兴建1 0 0 0 0 t d 级生产线( 约3 0 0 万吨水泥熟料年) ，不仅可满足市场需求， 而且有利于水泥工业产业结构的调整。 2 0 0 5 年预计我国水泥总产量达6 亿吨。为满足国民经济建设对水泥的需求，在今 后十年内建设批大型化的新型干法水泥生产线，是十分必要的。水泥生产的大型化 是国际水泥行业发展的趋势。 开发研制1 0 0 0 0 t d 级新型干法水泥生产线的技术装备，有利于我国水泥工业产业 结构的调整，同时也将进一步带动4 0 0 0 t d 级及以下规模生产线的全面技术进步，降 低工程建设项目的投资，降低生产运行成本，提高企业经济效益，缩小与国外技术的 差距，为水泥工业的健康发展打下良好的基础。 立式辊磨机( 简称立磨) ，因其具有优良的工艺特性和低能耗等重要优点，是水 华中科技大学硕士学位论文 泥生产线上的关键设备。在干法水泥生产中，粉磨作业包括原料粉磨、水泥粉磨、和 煤粉制备。一般认为单位水泥粉磨物料的电耗占综合电耗的6 0 一7 0 ，因此提高效率， 降低粉磨电耗一直是粉磨技术大发展方向。 立式辊磨机利用了料床粉碎原理一受限料床粉磨，因此能量利用率大大提高。其 主要原理为磨辊在磨盘上碾压物料，粒度合格的物料由磨盘上方的选粉机抽走，沿管 道输出。不合格的物料落入磨盘继续碾压，直到粒度合格为止。在磨盘周围有喷嘴环， 向上喷气，协助碾压后的物料进入选粉机。立磨外围是壳体，把主要部件围起来。在 磨辊的端部连有油缸，油缸的另一端与地基相连。油缸的作用是给磨辊施加向下的力， 增加碾压力。 立磨直接与第三代高效选粉机结合，使得圈流粉磨系统的选粉效率得到了明显的 改善，从而提高了系统产量，还可以优化产品的粒度级配。 立磨一般采用负压腔工作，加之中间环节紧凑，大大降低了粉磨过程中粉尘的外 泻量，因而改善了工人的生产条件，保护环境，成为名副其实的绿色产品。 本课题的主要意义： 1 磨辊轴设计成本节约3 0 以上，对整个立磨设计成本的节约至关重要； 2 加快立磨设计技术的国产化进程。 由于中信重机公司已经与国外公司合作生产过大量的立磨配套件和备品备件，此时开 发具有国内自主知识产权的替代产品，具有很重要的意义。 由于近几年水泥建材行业发展很快，所以国内一些研究院所和机械公司早已开始 研究立磨。现在比较成熟的有：沈阳重型机械公司研制生产的日产5 0 0 0t 的ms45 3l 立式辊磨机：天津水泥工业研究院研制的t r m 2 5 辊磨。这些立磨技术较为完善， 在国内一些公司已投入使用，但在使用过程中发现不少问题。主要原因是研制单位大 多是初次研制，经验不足。象沈阳重型机械厂主要是模仿国外同类产品，就我国目前 生产力水平和技术水平来说，接见国外产品无可厚非，我所在的公司也是这样做的。 但我们应该掌握一些关键技术，拥有自己的知识产权，这样我们才不是简单的模仿。 所以本人愿意就立磨的一些关键技术做一初步探讨。 国外生产立磨的公司很多，技术也很成熟。象日本的宇部公司，丹麦史密斯公司， 2 华中科技大学硕士学位论文 德国泊力休斯公司，都有自己各具特色的立磨产品。这里，丹麦史密斯公司的立磨比 较适合我国的经济发展水平，技术比较成熟。我公司与安徽海螺集团所签2 亿立磨合 同就是以史密斯公司立磨为原形的。我公司开发的立磨也是以该公司的立磨为参考原 型的。 国外立磨主要存在以下技术问题： 1 主要技术参数针对国外情况，国内破碎物的质地，成分与国外略有不同，所以 自主开发就显得必要； 2 即便是国外的成熟设计，在现场使用过程中也存在一些问题，如：磨盘四周漏 料；磨辊耐磨板损坏严重，振动严重等。这些缺陷产生的原因是这些国外产品不是国 外最先进的产品。外国知道他们的图纸进入中国后，会被模仿，所以提供的图纸都不 是最先进的产品。 国内的立磨由于是参考国外图纸，所以国外产品存在的技术问题，国内产品都有。 不仅如此，国内产品还有一个致命的不足，就是缺乏具有自有知识产权的关键技术， 如磨盘材料、选粉机出料粒度、磨辊结构等。而国内所谓的开发其实不过是模仿，真 正针对市场需求，从市场到设计，再到用户的运作，投入充足的资金，允许几年内没 有利润的设计没有。国内公司开发立磨，总是希望短期内产生效益，所以把老外的图 纸略加修改就投入生产，不舍得投入大笔资金。 立磨是水泥工业不可缺少的关键设各，具有很多不可替代的优点，而我国经济建 设如火如荼，势必推动水泥工业的持续发展。虽说国家可能会进行宏观调控，但整个 水泥工业的发展趋势是上升的。所以，为了适应这一趋势，拥有具有我国自主产权的 立磨就显得十分必要。如果这一国产立磨研制成功，将给国家节约大量外汇，还会对 换代升级产生深远的影响。 1 2 人工神经网络在机械系统中应用 人工神经网络最初由美国心理学家w i l l i 锄j a m e s 发表了心理学原理为开端， 经过一个多世纪的发展，由最初单纯研究生物神经系统，发展到在物理上实现；由当 初以电子管和晶体管为基本元件到现在微电子的大规模应用；从最初停留在理论上到 华中科技大学硕士学位论文 现在广泛应用，人工神经网络取得了长足的进步。神经网络的理论、应用、实现及开 发工具的迅猛发展，使人工神经网络的发展涉及神经生理科学、认知科学、心理学、 数理学、计算机科学、信息科学、微电子学、光学及生物电子学等学科的综合前沿性 科学。 人工神经网络技术与当前技术相结合，如与人工智能( a i ) 、视觉、语言、识别 系统、图象处理、机器人及医学等的结合， 强的前景。 当前各国发展的重点是以应用为导向， 法，以研究更高性能的混合计算机为目标， 突破和新的发展。 1 2 1 人工神经网络学习方法的分类 会带来处理更快、开发更容易和应用性更 采取长远计划发展与近期效果相结合的方 使神经网络在工业技术应用上发生更大的 神经网络通过相继给网络输入一些样本模式，并按照一定的规则，不断改变网络 各层的连接权值，使网络的输出不断地接近期望的输出值，这一过程成为神经网络的 学习或训练。学习的实质是可变权值的动态调整的自适应过程，改变权值的规则成为 学习规则或学习算法。 在人工神经网络的结构和转移算法确定以后，如何设计权值使网络达到一定的要 求，是决定神经网络处理信息性能的第三大要素。其方法有以下几种： 1 有导师学习这种学习模式采用纠错的规则，学习方法要在给出输入模式x 的 同时在输出侧还要给出淤滞相应的目标模式，又称教师信号或期望输出模式，两者一 起成为训练对。一般训练一个网络需要很多个训练对，成为训练集。学习时，使用训 练集中的某个训练模式，得到一个网络的实际输出模式y ，再与期望输出模式d 相比较， 不相符时求出误差，按误差的大小和方向调整权值，以使误差向着减小方向变化。然 后逐个用训练集中的每个训练对，不断地修改网络的权值，整个训f 练集反复地作用于 网络许多次，直到训练集作用下地误差小于事前规定地容许值为止，即认为网络在有 导师地训练下以学会了训练知识中包含地知识和规则，学习过程便告结束，并存储于 网络中，提供给运行阶段使用。 4 华中科技大学硕士学住论文 2 无导师学习在学习时，训练集仅由各输入模式组成，而不提供相应地输出模 式。网络能根据内部特有地结构和规则，相应输入地激励反复调整权值，这个过程称 为网络地自组织。自组织学习是靠神经元本身对输入模式地不断适应，抽取输入信号 地规律，从而将输入模式按其相似程度自动划分若干类，将其输入特征记忆下来，当 它再次出现，就能把它识别出来。这种学习，网络调整地权值不取决于外来教师信号 地影响，可以认为这种网络学习规则隐含于网络内部。 3 列记式学习这类学习方法可说是一次性地，不需要个训练过程，网络地权 值按某种特殊地记忆模式设计好以后，不再做变动。当以后网络输入有关信息时，这 种记忆模式就会被回忆起来。 1 2 2 常用人工神经网络 1 单层感知器美国学者f r a n kr o s e n b l a t t 于1 9 5 8 年将具有单层计算单元的神 经网络称为感知器，输出用的是线性阈值单元。 单层感知器只有一个输出结点，是一单神经元感知器，n 个输入信号x = ( x 1 ，x 2 ，x 3 ，x n ) 被直接送到输出结点，通过一个阶跃型函数f ( t ) 的作用后，给 出输出信息。从数学观点来说，就是当输入加权值的和大于或等于阈值时，输出1 ，否 则输出o 或一1 。由于圣经元的连接权值。是可变的，所以具有学习功能。 感知器的学习是有导师的学习，样本量x 输入到感知器中，感知器的各处理单元 按下式计算： y = ，( 。置一目) y = l ，国。t 一口 o ! i 一 o ，国，一一口 o 得到实际输出y 后，将其与期望输出的差来调整下一计算步的权值。简单的感知 器引入的学习算法称之为误差学习算法，该算法得到广泛的应用。 2 多层感知器单层感知器只能解决线性可分问题。它不能解决简单异或问题， 华中科技大学硕士学位论文 2 语言简单m a t l a b 语言地语法特征与c 语言极为相似，而且更加简单，更符合 科技人员对数学表达式地书写格式。 3 编程容易、效率高m a t l a b 程序文件是一个纯文本文件，扩展名为m ，勇、用 任何字处理软件都可以对其进行编辑合修改，故程序调试方便，加上比较健全地调试 系统，调试效率较高。 4 扩充能力强，可开发性强m a t l a b 语言地重要特点是易于扩展，它允许用户自 行建立完成特定功能地m 文件，从而构成适合用户特定要求地工具箱。 综上所述，人工神经网络在当今时代地飞速发展已经为立式磨机的结构优化提供 了一个更精确、更快速的实现手段。它可以完成有一些结构尺寸到性能参数( 如频率、 转速) 的映射。而m a t l a b 语言由为把这些映射实用化提供了工具。所以说，人工神经 网络已经成为立式磨机设计开发的重要手段。 1 3 本论文主要工作 本论文重要介绍了利用人工神经网络对立式磨机磨辊轴结构尺寸进行优化设计。 其中，首先介绍了随机振动的一些理论，并在此基础上计算了立式磨机在工作中处于 随机振动的状态中，然后详细计算出了磨辊轴随机振动的两个主要参数：功率谱密度 和均方值。 接着，本论文详细介绍了人工神经网络的相关理论，如：人工神经网络的分类、 人工神经网络的学习规则、人工神经网络的分类，并着重介绍了b p 网络，随后又介绍 了人工神经网络在机械结构优化设计中的应用。 在介绍完相关理论后，本论文开始研究人工神经网络在立式磨机中的应用。主要 内容有以下几个方面： 1 人工神经网络算法主要介绍了当今主流的人工神经网络算法，介绍了它们得主 要特点、优缺点、适用范围等等，从而为下面的计算提供一个理论基础。 2 b p 算法详细介绍了b p 算法，包括原理、结构、算法。b p 网络主要是既有前 馈又有反馈，当输入经由输入曾层，进入隐层，从输出层输出，然后检查输出与期望 输出有无差别，如有，反馈回输入层进行修正，直至输出满意为止。 华中科技大学硕士学位论文 3 b p 算法在立磨中的应用结合上述理论，详细介绍了b p 算法在磨辊轴结构尺寸 设计中的应用。磨辊轴是一个阶梯轴，总共有9 段，至于每段直径究竟多少合适，现 在还没有一个结论，本论文就这一问题，利用b p 神经网络进行了深入的研究。 4 b p 算法研究的编程实现在上文利用b p 神经网络算法研究了立磨磨辊轴各段 直径的优化设计，接着本论文就上述研究成果，利用m a t l a b 语言，把上述研究程序化， 试图用程序表现立磨磨辊轴各段直径和其振动之间的复杂映射关系。 5 总结展望在总结了作者所做工作基础上，提出了在今后人工神经网络在立磨 中的应用还应该做的工作。 华中科技大学硕士学位论文 2 磨辊轴振动问题研究 振动问题是立式磨机中很关键的问题，尤其是磨辊轴的振动问题，因为立磨的所 有振动都是由于磨辊轴上的磨辊碾压磨盘上的物料产生的。由于磨盘上物料厚度不均 匀，磨辊在其上碾压滚动，势必会产生振动。立磨振动问题如果没有得到很好地解决， 将使得磨盘寿命大大减少，磨辊表面耐磨板磨损加快，磨辊轴容易产生缺陷从而断裂。 还会使得选粉机转动不均匀，影响选粉机的刚度和强度，从而影响出料粒度。还能使 壳体变形开裂，直接影响立磨的使用安全。本章将就磨辊轴的振动问题展开研究，力 求为后续研究提供基础。本章首先介绍了随机振动的一些基本概念，然后引入总体平 均和时间平均的概念，并指出了总体平均的缺点以及用时间平均代替总体平均的条件。 然后介绍了功率谱密度的概念，指出了功率谱密度所代表的物理意义。最后，通过计 算，计算出了表述立磨磨辊轴振动的两个参数：功率谱密度和均方值。 2 1 随机振动 设随机变量x 的概率密度函数为p ( x ) ，将几个统计量定义如下： 将 目棚= 印( x ) 凼= 以 ( 2 1 ) 称为随机变量的期望值( e x p e c t e dv a l u e ) 或平均值( m e a nv a l u e ) 。f 司时，将 均方值( m e a n s q u a r ev a l u e ) 定义为 e x 2 = 广x 2 p ( x ) 出 ( 2 2 ) 将均方值的平方根称为均方根，即r m s 值( r o o t m e a n s q u a r ev a l u e ) 。 再将关于平均值的均方值成为方差( v a r i a n c e ) ，即： 盯2 z = 研( 工一* ) 2 】= ( x 一，) 2 p ( x ) 出= e 瞄2 卜2 x ( 2 3 ) 而将其方差的平方根o 。称为均方根误差或标准偏差( s t a n d a r dd e v i a t i o n ) 。 华中科技大学硕士学位论文 成立，再由定义 如( o ) = ( 2 1 1 ) 可知，凡( 0 ) 等于均方值。这就是说，自相关函数在t = o 时取最大值，该值等于 均方值。 2 3 时间平均，各态历经过程，自相关函数，互相关函数 为了计算总体平均，需要用非常多的样本函数，分析起来相当麻烦。对此，我们 可根据任意一个样本函数的长时间记录来计算统计量，如果这些统计量与按总体平均 获得的统计量相一致，处理就很简单。下面先将关于时间的平均，然后讲将时间平均 与总体平均联系起来的条件。 任意样本函数。x ( t ) 的时间平均值可定义为 。= 巧而= l i i n 亭f ( ，) 出( 丁寸。) = 1 i m 专e ：2 x ( f ) 出叮_ 。o ) ( 2 1 2 ) 式中，以( a ) 表示( a ) 的时闻平均( t i m ea v e r a g e ) 。时间平均“ux ，一般对各个 样本取不同的值，所以加上下标k 。 样本函数。x ( t ) 的自相关函数可定义为时间t 下的“x ( t ) 值与时间t + t 下的。x ( t + t ) 值的乘积的平均值，即 r j ( f ) = 。r o ) i x 0 + f ) l i m 专r 工( f ) ? ( f + r ) 卉( r - 斗c o ) = l i m 吾髟：j ( ，) _ ( ，+ f ) 西仃 c 。) ( 2 1 3 ) 如上所述，如果获得一个样本函数的长时间记录，就可以计算时间平均，因而计 算要比总体平均简单得多。因此，如果随机过程的时间平均与总体平均取得一致，就 可以比较容易地分析其概率的性质。各态历经性( e r g o d i c i t y ) 就是表示这种性质的， 在1 ) 平稳随机过程中，和2 ) 时间平均与总体平均相等时，这种随机过程称为各态历 经随即过程( e r g o d i cr a n d o mp r o c e s s ) 。在各态历经随机过程中，下式成立： 。u x - u f 常量 华中科技大学顽士学位论文 k r y ( t ) = r x ( t ) 在能够假设各态历经性的随机过程中，不用样本函数的总体就能计算统计量。这 就是说：任意选择的一个样本函数能代表所考虑的随机过程，所以只要对它研究概率 的性质即可。 在各态历经随机过程中，任何一个样本函数“x ( t ) 都代表随机过程，因此如果写 成x ( t ) ，则平均值及均方值为： = 而= l i m 亭r 加瑚= i i m 刍e ：川) 出 ( z “) 0 为学习增益；o u 0 ) 取0 1 ，u 一( 系数，o u 1 ) 取o 5 ，q ( 动量因子， o ， 1 ) ，取o 1 。 网络初始权w ，= o 2 ，w z = o 1 ，e ，= 0 2 ，oz = o 1 ； 神经元激活函数采用对称型s i g m o i d 函数。 2 正向传播计算 根据网络输入，按式( 4 1 ) 计算。 3 反向传播计算 按式( 4 2 9 ) 计算反向误差信号6 。 按式( 4 2 7 ) 计算误差函数对权值梯度向量得范数。 按式( 4 2 7 ) 、( 4 3 0 ) 、( 4 3 1 ) 计算n ( t ) ，a ( t ) 。 4 按式( 4 2 8 ) 更新权值。 经训练，由输入到输出得逼近度可满足e o 0 0 1 ，所以认为满意。 4 7 本章小结 本章从控制角度，给出了几个常用得神经网络模型及其学习算法，并结合d r n n 合 b p 网络得特点，提出了复合输入d r n n 模型，不仅有利于提高网络得收敛速度和泛化能 力，而且可以用较小得网络结构实现对高阶系统得控制。然后又以m f n n 为例，分析了 神经网络得逼近能力：说明了传统b p 算法存在得缺陷，指出不仅学习率和动量因子会 影响b p 算法得学习效率，而且学习种存在得“假饱和”现象会严重影响收敛速度。最 后，根据b p 算法训练过程中网络权值得演化规律，提出了一种可全局寻优得自适应快 速训练算法一g c a q b p 学习算法。理论分析表明，该算法具有全局最优性，训练速度快， 华中科技大学硕士学位论文 鲁棒性强，且计算量和存储量仅与传统b p 算法相当。在本章得最后，研究了g c a q b p 算法在立磨磨辊轴优化算法得应用。 华中科技大学硕士学位论文 转速) 的映射。而m a t l a b 语言由为把这些映射实用化提供了工具。所以说，人工神经 网络已经成为立式磨机设计开发的重要手段。 5 2 基于m a t l a b 工具箱地神经网络设计 m a t l a b 工具箱是姒t l a b 语言为方便用户使用，专门对一些功能相近地命令集合在 一起，构成一个软件包。用户如果要完成某种计算，只需要调用相应地工具箱就可以 了，而不用再一句一句编程了。可以说，工具箱大大方便了编程。 目前，m a t l a b 主要有四大工具箱和3 0 多个附属工具箱，神经网络工具箱属于附属 工具箱地内容。在神经网络工具箱中，设有感知器、线性网络、b p 网络、e l m a n 递归 网络、径向基函数网络、h o p f i e l d 网络、自映射网络。 5 2 1b p 网络地工具函数及功能 b p 网络地训练，可高度归纳为输入己知数据，权值初始化，训练网络三步。根据 结构化程序设计“自顶相下，逐步细化”的思想，利用b p 网络工具箱编程可遵循如下 框图： 4 7 华藿m 鲤p 蹩矗蹩砖逊 华中科技大学硕士学位论文 5 3 磨辊轴b p 算法编程 5 3 1 训练样本归一化 仍以f l s m i d t h 公司的a t o x 5 0 原料立磨为例，其磨辊轴的振动的功率谱密度和 均方值己分别求出。 输入样本数据为磨辊振动位移x ( t ) 地功率谱密度和均方值，经前述计算可知， 功率谱密度函数为2 1 1 0 。6 s 。，均方值为o 0 2 8s 。取值为2 1 1 0 “，o 0 2 8 ，经归 一化处理后为 工，：! ：! ! ! ! 二二! ：7 o 。1 0 s o 0 3 一o x ：! ：堕二鱼：o 9 3 。 o u 3 一u z ：塑! 二型：o 9 5 6 5 8 5 u 一3 9 0 l ：! ! ! 二塑：o 8 9 1 3 8 o 一3 9 0 k ：! 塑二塑：o 8 4 7 8 。 8 5 0 一3 9 0 f ：! ! ! 二塑：o 6 0 8 7 8 5 0 一3 9 0 e ：墅二型：o 3 6 9 6 。 8 5 0 3 9 0 e ：幽：o 2 1 7 4 。 8 5 u 一3 9 u 其中：y ，( i = 1 ，2 ，6 ) 为磨辊轴台阶轴各部分直i 径。 5 3 2 网络结构设计 经前述可知，具有一个隐层，隐层作用函数采用s i g o i d 函数，输出层采用线性 函数地前馈神经网络，能以任意精度逼近任意非线性函数，也就是说，可以实现从r “ 华中科技大学硕士学位论文 t i t l e ( t r a i n i n gv e c t o r s ) ： x l a b e l( i n p u tv e c t o rx ) ： y l a b e l ( t a r g e tv e c t o ry ) ： p a u s e按任意键看初始化及训练网络 c l c 4 ) 初始化网络 n l = 5 ： 【啊，6 1 ，6 2 】= f n 砖矿( x ，刀l ，t a i l 5 辔，】，p “r p ，加) ； 5 ) 训练网络 f p d = 1 0 0 ：学习过程显示频率 m n e = 2 0 0 0 0 ：最大训练步数 s s e = o 0 0 1 ：误差平方和指标 1 r = o 0 l ：学习率 t p = f p d ，m e ，s s e ，l r ： 暇，6 l ，6 2 ，把，州= 加m 印( 睨，6 l ，t 趾j f g i ，6 2 ，p 舢7 洲，x ，】，印) ； p a u s e按任意键看误差相对训练步数曲线图 c 】c 6 ) 绘误差平方和相对训练步数曲线图 p l o t e r r( t r ，s s e ) ： p a u s e按任意键看函数逼近 c l c 7 ) 函数逼近 x = o 5 ：训练样本的一个输入 华中科技大学硕士学位论文 6 1 全文总结 6 全文总结与展望 我国是水泥生产大国，2 0 0 1 年总产量达到5 7 6 亿吨，占全球总产量的三分之一。 中国水泥工业存在的主要问题是结构不合理，产品结构上，优质水泥仅占l o ，低标号 立窑水泥占绝大部分；工艺技术上，技术先进的干法水泥产量约占1 0 ；在规模结构上， 全国水泥生产线的平均生产能力低于6 万吨年。经济效益大，能源浪费大，污染严重。 水泥工业结构不合理的现状将在今后相当长的一段时间内制约我国建材工业，乃至整 个国民经济的健康发展。调整水泥工业结构，提高优质水泥的比例，满足国民经济建 设的需求，是我国水泥工业今后较长时间内的艰巨任务。由于生产要求紧迫，所以自 行开发大型立磨比较困难，所以现今国内大型立磨都是引进国外技术。但是由于是引 进国外技术，所以立磨的一些关键技术我们还没有掌握，正式由这一技术瓶颈，我们 的立磨技术始终得不到发展。本文就神经网络在立磨中磨辊轴的优化设计做了一个初 步的探讨，总结全文，本论文的主要研究工作包括以下几个方面： 1 立磨磨辊轴随机振动的研究 本文主要讲述了立式磨机磨辊轴的振动分析问题，先介绍了随机振动的一些理论 基础，主要有随机振动的概念，随机变量、均方值等。然后介绍了用于分析随机振动 的总体平均，并指出总体平均的缺点，从而引出了时间平均，并说明了用时间平均替 代总体平均的条件。随后，本章求出了计算磨辊轴振动的两个关键变量一功率谱密度 和均方值的计算公式。 2 立磨磨辊轴优化设计b p 算法研究 本文从控制角度，给出了几个常用得神经网络模型及其学习算法，并结合d r n n 合 b p 网络得特点，提出了复合输入d r n n 模型，不仅有利于提高网络得收敛速度和泛化能 力，而且可以用较小得网络结构实现对高阶系统得控制。然后又以m f n n 为例，分析了 神经网络得逼近能力；说明了传统b p 算法存在得缺陷，指出不仅学习率和动量因子会 华中科技匕拳瓯 拳良隆豇 拉虹抛五副副眩硼雕融j 卦k 枷薹磺啦峨唆烫刿酗立厝：尉彰秘嘲葡抚将机 淆羹型禹馏疆擅一谊i 鲜蚓甜聪秘戳鹌叫觐辨r l l 姐誓贮骟l 笔孙弼餮基州羹馕峰型型 噶兰圣蝎嫣靼”姥默鞭群，拢静袄甥j 强船强登络曼雩驰醐翮抓i 餐懿菱蒂器虹霸殳； 舒刿蹩j 静壁鳕留“霸铂芒雕篓”翌狮酶篓业鞭酗弱鳝嚏弹照 华中科技大学硕士学位论文 致谢 本论文是在我的导师张鸿海教授、汪学方老师、王志勇老师，以及指导教师负责人 冯清秀老师的悉心指导和关怀下完成的。从论文的选题到课题研究工作的开展及论文的 撰写都得到了导师精心的指导。在作者攻读研究生期间，导师渊博的知识，严谨的治学 态度，忘我的工作精神，精益求精的工作作风和卓越的指导才能让我受益非浅。导师不 仅在学习和工作上为作者倾注了大量的心血，而且在治学思想上给予了作者极大的关心 和帮助。作者所取得的每一个进步都凝聚着导师的心血。在此谨向导师表达我最深切的 感谢并致以最崇高的敬意。 在三年的求学过程中，我所在的科室主任王占军高级工程师、总设计师张路明高级 工程师在工作上给予了我极大的帮助，同事刘啸山高级工程师，梁克敏工程师、牛婷志 工程师、吴晓红工程师也给了我不少帮助，在此我向他们表达我最深的感谢! 值此论文完成之际，我深深地感谢我的父母! 他们的养育之恩，我永生不忘! 感谢 我的妻子对我默默的支持! 盛邀夔的担担过亟鲍塑助! 最后，感谢全体答辩委员会的老师们 作者：耿子焱 2 0 0 6 年3 月 5 7 华中科技大学硕士学位论文 参考文献 【1 】袁曾任，人工神经元网络及其应用，清华大学出版社，1 9 9 9 【2 】焦李成，神经网络计算，西安电子科技大学出版社，1 9 9 3 【3 】王文成，神经网络及其在汽车工程中的应用，北京理工大学出版社，1 9 9 8 4 】杨建刚，人工神经网络实用教程，浙江大学出版社，2 0 0 l 5 张际先，宓霞，神经网络及其在工程中的应用，机械工业出版社，1 9 9 8 【6 】王永骥，涂健，神经元网络控制，机械工业出版社，1 9 9 9 【7 】韩力群，人工神经网络理论设计与应用，化学工业出版社，2 0 0 2 【8 】郭代仪，廖小云，雷闻宇，神经网络及其在机械工程中的应用，重庆大学出版社， 1 9 9 8 f 9 阎平民，张长水，人工神经网络与模拟进化计算，清华大学出版社，2 0 0 0 1 0 】张乃尧，阎平凡，神经网络与模糊控制，清华大学出版社，1 9 9 8 1 1 】虞和济，陈长征，张省，周建男，基于神经网络的智能诊断，冶金工业出版社， 2 0 0 0 1 2 】俞建，邓祁曾，吕云麟等，机械优化设计，贵州人民出版社，1 9 8 6 【1 3 】周勤，罗延科，人工神经网络在铸模浇注系统中的应用，现代机械，1 9 9 7 ( 1 ) ： 3 6 3 9 1 4 】罗延科，基于灰色理论半自动悬架神经网络的遗传算法辩识，贵州工业大学学报， 2 0 0 1 ( 4 ) ：8 8 9 0 1 5 】b a n d n a r ，a p p r o x i m a t i o n 雠de s t i m a t i o nb o u n d sf o ra r t i f i c i a l n e u r a ln e t w o r k s ， m a c l l i n cl e a l i n g ，1 9 9 4 ( 1 4 ) ：1 1 5 - 1 3 3 16 】h o p f i e l dj j n e u m n s 诵t hg r a d e dr e s p o n s eh a v ec o i i e c t i v ec o m p u t a t i o i l a lp r o p e r t i e s l i k et 1 1 0 s eo f 抑os 眦en e u r o n s i b i d ，1 9 8 4 ( 8 1 ) ：3 0 8 8 - 3 0 9 2 【1 7 f r o s e r l b l a n ，p r i i l c i p l e so f n e i l r a l d y n a m i c s ，s p a r t a nb o o k ，1 9 6 2 【1 8 】胡守仁主编，神经网络应用技术，国防科技大学出版社，1 9 9 3 【1 9 】陈燕庆，鹿浩，神经网络理论及其在控制工程中的应用，西北工业大学出版社， 1 9 9 1 华中科技大学硕士学位论文 【2 0 】 2 1 】 【2 2 】 【2 3 】 【2 4 】 2 5 】 2 6 】 【2 7 】 【2 8 】 口9 】 3 0 】 【3 1 】 【3 2 3 3 】 【3 4 】 【3 5 】 3 6 】 【3 7 】 王科俊，王克成，神经网络建模、预报与控制，哈尔滨工程大学出版社，1 9 9 6 周其节，徐建敏，神经网络控制系统的研究与展望，控制理论与研究， v 0 1 9 n o 6 5 6 9 5 7 7 1 9 9 2 何玉斌，阎桂荣，徐健学，神经控制理论及应用的研究进展与展望，西安交通大 学出版社，1 9 9 6 李式勇，模糊控制、神经网络控制何、和智能控制，哈尔滨工业大学出版社，1 9 9 6 应行仁，曾南，采用b p 神经网络记忆模糊规则的控制，自动化学报， v 0 1 1 7 n o 1 6 3 6 7 ，1 9 9 1 陆金柱等，基于神经网络的机械设计领域知识表达方法的研究，机械工程学报， 1 9 9 5 ( 3 1 ) ：2 1 2 6 钱令希，工程结构优化设计，水利电子出版社，1 9 8 3 孙靖民，机床结构计算的有限元法，机械工业出版社，1 9 8 1 董聪等，多层前向网络研究进展及若干问题，力学进展1 9 9 5 ，2 5 ( 2 ) ：1 8 6 1 9 5 陈天平，神经网络及其在系统识别应用中的逼近问题，中国科学( a 辑) ，1 9 9 4 ， 2 4 ( 1 ) ：1 7 孙靖民，机械结构优化设计，哈尔滨工业大学出版社，1 9 8 5 虞和济，机械设备故障诊断的人工神经网络法，机械强度，1 9 9 5 ，1 7 ( 2 ) ：4 8 。5 4 冯平法等，基于人工神经网络的变切割条件下钻头磨损监控，中国机械工程， 1 9 9 7 ，8 ( 2 ) 2 5 2 7 杜耀武等，基于人工神经网络的大型机械系统的研究，机床与液压，2 0 0 0 ( 8 ) ： 1 0 一1 2 姚锡凡等，基于神经网络的加工过程模型辩识，机床与液压，1 9 9 9 ( 4 ) ：1 5 1 8 张鸿滨，训练多层网络的样本数问题，自动化学报，1 9 9 3 ，1 9 ( 1 ) ：7 1 7 7 朱学军等，利用神经网络实现复杂结构的多目标优化设计，机械科学与技术， 2 0 0 0 ，1 9 ( 3 ) ，3 6 8 3 7 0 黄文培等，基于神经网络的机械结构系统优化问题的分解算法，机械工程学报， 1 9 9 8 ( 增刊) 华中科技大学硕士学位论文 3 8 】李淑娟等，基于神经网络的加工时间定额确定方法，机械科学与技术，2 0 0 0 ，1 9 ( 2 ) ：2 6 6 2 6 8 3 9 】元四华等，应用人工神经网络预测加工尺寸误差的动态分布，工具技术2 0 0 0 ，1 9 ( 2 ) ：2 8 3 0 4 0 】李作清等，基于神经网络理论的数控插补原理与方法，中国机械工程，1 9 9 6 ，7 ( 1 ) ：9 1 9 3 4 l 】邓文怡等，利用人工神经网络测量零件三维表面轮廓的新方法，工具技术，1 9 9 8 ( 9 ) ：3 4 3 6 【4 2 】贾财潮等，一种用神经网络重建自由曲面的方法，中国机械工程，1 9 9 8 ，9 ( 9 ) ： 3 8 4 2 【4 3 】邓春梅等，径向基神经网络重建自由曲面的探讨，计算机辅助设计与图形学报， 2 0 0 0 ，1 2 ( 1 0 ) ：7 8 2 7 8 8 4 4 】史桂荣等，利用神经网络进行复杂自由曲线曲面重构，上海交通大学学报，2 0 0 0 ， 3 4 ( 1 0 ) ：1 3 7 2 1 3 7 5 4 5 徐建生等，神经网络对磨损自补偿摩擦副磨合过程的预测，润滑与密封，2 0 0 0 ( 5 ) ： 1 1 1 3 【4 6 】吕冬等，人工神经网络在拉伸润滑油选择中的应用，模具工业，2 0 0 0 ( 2 ) ：6 8 - 7 l 【4 7 】吴良等，基于人工神经网络的结构钢端淬曲线预测系统模型的研究，金属热处理 学报，2 0 0 0 ，2 l ( 4 ) ：1 3 1 7 4 8 】徐志淮等，神经网络在s i c 涂层制各中的应用，无机材料学报，2 0 0 0 ，1 5 ( 3 ) ： 5 1 1 5 1 5 【4 9 】秦平等，滑动轴承非线性油膜力的神经网络模型，摩擦学学报，2 0 0 2 ，2 2 ( 3 ) ： 2 2 6 2 3 1 【5 0 王耀南，基于神经网络的非线性最优控制，湖南大学学报，v 0 1 2 2 n o 5 6 8 7 4 ，1 9 9 5 5 1 】李新忠等，基于神经网络的优化控制，机械工业自动化，v 0 1 1 9 n o 2 2 4 2 6 ，1 9 9 7 【5 2 】胡泽新，神经网络自适应控制系统研究，控制与决策，v 0 1 7 ，n o 5 3 6 1 3 6 6 ，1 9 9 5 【5 3 】谭永红，多层前向神经网络的r l s 训练算法及其在辩识中的应用，控制理论与应 6 0 华中科技大学硕士学位论文 用，v 0 1 1 1 n o ，5 5 9 4 - s 9 9 ，1 9 9 4 【5 4 】李新虑等，菲线性系统的模型参考神经网络控制，信息与控制， v 0 1 2 5 n o 6 ，3 6 7 - 3 7 2 ，1 9 9 6 【5 5 】p k h o r o v ，r a s a n t i a 嚣oa n dd c w u 芏l s c h ，a d a p t i v ec r i t i cd e s i 毛；i i s ：ac a s es t u d yf o r n o u f 啦e o n t r o l ，n e 班a ln 烈w o