针对立式旋压机的加工要求并结合并联机构的结构特点,提出利用3-UPS-RCR并联结构实现立式旋压加工操作。用Adams建立结构模型并联合Matlab实现并联机构动态仿真。基于加工轨迹利用动态仿真获得大量BP神经网络并联机构正解学习样本,并在Python环境下进行神经网络的搭建和训练。通过动量参数更新法和位移补偿法改进BP神经网络,并将结果和传统的梯度下降法进行比较,发现动量参数更新法能加快神经网络的训练速度,位移补偿法能进一步提高神经网络的拟合精度。
科研之友
微信
新浪微博
Facebook
分享链接
