基于神经网络的油管接箍内壁圆度误差评定与预测研究.pdf

申请上海交通大学硕士学位论文

基于神经网络的油管接箍内壁
圆度误差评定与预测研究







培养单位：机械与动力工程学院
专 业：机械制造及其自动化
研究方向：精密机械加工
导 师：时轮 副教授
硕 士 生：唐喜强

2011 年 1 月
RESEARCH ON EVALUATION AND PREDICTION
OF TUBING COUPLING ROUNDNESS ERROR BASED
ON NEURUAL NETWORK

A Dissertation
Submitted to Shanghai Jiao Tong University
For the Master Degree



Postgraduate：TANG Xiqiang
Supervisor：Associate Prof. SHI Lun


School of Mechanical Engineering
Shanghai Jiao Tong University

Jan.，2011
上海交通大学工学硕士论文 摘要
基于神经网络的油管接箍内壁圆度误差评定与预测研究

摘 要
油管接箍是重要的石油用钢，主要作用是连接油管，由于油管中
石油一般采用高压传输，为了保证石油不泄漏，对油管接箍内壁圆度
有很高的要求。目前国内使用高精度、高强度的油管接箍大多是从国
外进口，国产率不高，而且目前能生产此种接箍的少数几个国内厂家，
存在着生产的油管接箍内壁圆度超差严重，产品合格率低的问题，严
重影响效率，造***力物力的巨大浪费。本文开展提高管接箍内壁加
工质量的技术研究，应用神经网络建立圆度误差预测模型，为加工参
数的选择和优化，提高产品合格率提供依据。本文主要进行以下几个
方面的研究：
1、通过分析 BP 神经网络算法原理，针对 BP 神经网络收敛速度
慢、易于陷入局部极小点以及隐层节点数的确定大多凭经验等缺陷，
采用自适应学****速率提高网络的收敛速度；应用具有全局搜索能力遗
传算法优化网络的初始权值阈值解决网络容易陷入局部极小点的问
题；把灰色关联分析引入到网络隐层节点数的确定中，为隐层节点数
的确定提供可靠的根据。
2、根据线性神经网络 LMS 学****算法与最小二乘圆算法的相似
性，把线性神经网络应用于油管接箍内壁圆度误差的评定中，通过与
其他圆度误差评定算法和测量方法的比较，表明线性神经网络能准确
评定油管接箍内壁圆度误差，为圆度误差智能