3  神经网络基础理论及算法步骤    11
3.1  神经网络的选取    11
3.2  基于Levenberg-Marquard优化算法的BP网络模型简介    11
3.2.1  算法原理    11
3.2.2  LM优化算法步骤[22]    12
3.2.3  网络层数的确定    13
3.2.4  隐含层节点数的确定    13
3.2.5  输入样本的预处理    13
4  LM神经网络算法在导轨校直系统中的应用设计    14
4.1  神经网络的训练样本采集与设计    14
4.1.1  输入输出数据的确定    14
4.1.2  输入样本采集与预处理    14
4.2  LM优化算法的BP神经网络的编程步骤    15
4.3  样本的训练实现过程    16
4.4  激活函数和隐含层神经元个数的选取    20
4.5  神经网络在校直系统中的应用    22
4.6  数据仿真的实现    24
4.7  神经网络在导轨校直系统中的应用拓展研究    25
5  结论与展望    29
致谢    30
参考文献    31
1  绪论
1.1  课题研究的目的和意义
电梯是现代化高层建筑里不可缺少的自动化装置，而我国是世界最大的电梯生产国，年产量已超过全球的一半。T型导轨作为常用的电梯导轨，具有廉价、安全、刚性强等优点。导轨不仅是控制着自动扶梯、电梯轿厢和自动人行道梯级运行轨迹，保障操作信号传递的重要基准部件，而且是直接影响电梯运行质量及运行安全的重要部件[1]。电梯导轨在轧制、挤压、拉拔、冷却、运输、捆垛，以及各种加工过程中，因外力作用、温度变化及内力消长而发生弯曲一定的变形[2]。这种变形对电梯导轨的弯曲度有一定的影响，从而降低了电梯运行时的平稳性，为了能够使电梯导轨的精度达到一定的要求，直线度检测和校直是导轨出厂前必不可少的环节。
在传统的导轨生产的过程中，一般以检测平台为基准检测导轨的直线度，由人手工完成，过程繁琐，检验时间较长、效率也很低，不适合大批量的生产加工，而且其生产出的产品无法实现高精度导轨的工艺要求，不能实现自动的流水线作业。近几年来，由于国内电梯导轨的自动校直机技术发展迅速，以前纯手工校直的方式逐渐被自动校直机的校直方式替代，一定程度上提高了导轨的校直精度，但是校直效率不是特别理想，没有达到预期的工作效率及经济效益。校直行程的确定是导轨校直极其重要的步骤，但是一般的理论研究为了简化计算，普遍选择使用理想弹塑性模型及各种假设，这就不能得到较为精确的校直行程计算结果，特别是对高精度的电梯导轨来说，校直行程的计算精度直接影响了导轨平直度[2]。为了提高导轨的生产效率和校直精度，急需可主动学习的高精度导轨的自动校直算法，并可以较高效率实际运行。
把人工神经网络引入到电梯导轨的校直系统中，通过学习大量成功经验的校直压点样本，使系统能够准确地找到压点的弯曲值、支点和压点之间的距离与校直行程的映射关系。
1.2  相关校直理论的研究现状
1.3  课题研究的主要内容
本课题的研究建立在已开发的自动校直机硬件平台上，优化导轨的校直行程的计算。硬件平台由激光传感器、运动接口转接卡、数字接口转接卡、多轴运动控制板卡、伺服电机、液压系统、工业控制计算机等[9-13]，校直行程的计算主要是用基于LM算法的神经网络实现对样本的训练并仿真，把相应的权值和阈值保存在文件中，然后运用动态库的调用技术预测校直行程。 神经网络算法在电梯导轨校直系统中的应用研究(2):http://www.youerw.com/jisuanji/lunwen_20511.html