一种数控机床检测系统，属于数控机床检测技术领域，主要涉及一种基于模糊神经网络的数控机床检测方法。
背景技术：
随着科技的发展和社会的进步，数控机床行业得到了大力发展，对数控机床的精确检测逐渐成为数控机床检测好坏的标志。现有技术中，对数控机床的检测为人为检测，会出现检测精确度不高、对数控机床检测效果不理想的情况，不满足人们的日常需求。
技术实现要素：
为了解决上述问题，本发明公开了一种基于模糊神经网络的数控机床检测方法，结构简单、控制精度高、系统稳定性和可靠性高，使用寿命长。
本发明的目的是这样实现的：
一种基于模糊神经网络的数控机床检测方法，包括以下步骤：
步骤一，建立模糊神经网络模型：根据数控机床检测方式的实际情况，选择数控机床主轴系统、数控机床伺服系统、数控机床电气系统和数控机床液压系统为检测对象，建立四层模糊神经网络模型。
进一步地，步骤一所述四层模糊神经网络模型包括输入层、隶属函数层、模糊规则层和去模糊化层。
步骤二，确定神经网络优化权值和输出误差指标：选择神经网络的初始权值以及输出误差指标，给定不同的监督信号，反复修改神经网络的优化权值，使神经网络模型的输出接近步骤一中四种检测对象所有的期望输出。
进一步地，在权值初始化后的调整过程中，取误差函数为：
式中，e为误差，
进一步地，步骤二所述优化权值取值为0-1之间。
步骤三，模型优化：对步骤二所建立的模糊神经网络模型进行优化，对网络模型的系统滞后时间常数进行优化辨识。
进一步地，步骤三所述系统滞后时间常数的优化辨识采用pid控制方式。
进一步地，所述系统滞后时间常数优化辨识，就是选择适当的神经网络作为被辨识系统p的模型p，p即可为线性系统也可以是非线性系统。从实质上讲，就是用神经网络来逼近实际系统。主要过程是：当确定了网络结构后，在给定的被辨识系统输入/输出观测数据情况下，网络通过学习不断调整权系数，使得准则函数最优而得到的网络，这个网络就是被辨识系统的模型p。
优选地，所述系统滞后时间常数为非线性滞后系统。
步骤四，求解：将步骤三中优化后的神经网络模型使用遗传算法确立优化参数并求解。
进一步地，步骤四所述遗传算法求解过程包括以下步骤：
步骤一，初始化：以随机的方式确立数控机床四个检测对象的初始数据，并按每个个体预先的方式进行编码；
步骤二，个体评价：根据适应度公式计算每个个体的适应度值；
进一步地，所述适应度公式为：
式中，cmax为比较大的数，也可以是f(x)的最大值。
步骤三，选择运算：根据步骤二中的适应度值选择运算功能；
步骤四，交叉变异运算：对步骤三中的个体交叉变异相互运算，产生新个体；
步骤五，运算停止判断：对运算过程进行判断。如果产生新个体满足要求，运算停止，反之，继续运算。
本发明与现有技术相比，具有如下有益效果，本发明的结构合理，通过模糊神经网络对数控机床进行检测，通过模糊控制以及遗传算法求解，实现对数控机床检测的精确控制。本发明自动化程度高，系统运行稳定性和可靠性高，控制精度高，使用寿命长。
具体实施方式
下面对本发明具体实施方式作进一步详细描述。
一种基于模糊神经网络的数控机床检测方法，包括以下步骤：
步骤一，建立模糊神经网络模型：根据数控机床检测方式的实际情况，选择数控机床主轴系统、数控机床伺服系统、数控机床电气系统和数控机床液压系统为检测对象，建立四层模糊神经网络模型；
步骤二，确定神经网络优化权值和输出误差指标：选择神经网络的初始权值以及输出误差指标，给定不同的监督信号，反复修改神经网络的优化权值，使神经网络模型的输出接近步骤一中四种检测对象所有的期望输出；
步骤三，模型优化：对步骤二所建立的模糊神经网络模型进行优化，对网络模型的系统滞后时间常数进行优化辨识；
步骤四，求解：将步骤三中优化后的神经网络模型使用遗传算法确立优化参数并求解。
步骤一所述四层模糊神经网络模型包括输入层、隶属函数层、模糊规则层和去模糊化层。
步骤二所述优化权值取值为0-1之间。
步骤三所述系统滞后时间常数的优化辨识采用pid控制方式。
所述系统滞后时间常数为非线性滞后系统。
步骤四所述遗传算法求解过程包括以下步骤：
步骤一，初始化：以随机的方式确立数控机床四个检测对象的初始数据，并按每个个体预先的方式进行编码；
步骤二，个体评价：根据适应度公式计算每个个体的适应度值；
步骤三，选择运算：根据步骤二中的适应度值选择运算功能；
步骤四，交叉变异运算：对步骤三中的个体交叉变异相互运算，产生新个体；
步骤五，运算停止判断：对运算过程进行判断。如果产生新个体满足要求，运算停止，反之，继续运算。
通过阅读上述描述，在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此，本发明的范围不应该参照上述描述来
上文所列出的一系列的详细说明仅仅是针对
本技术：
的可行性实施方式的具体说明，它们并非用以限制本申请的保护范围，凡未脱离本申请技艺精神所作的等效实施方式或变更均应包含在本申请的保护范围之内。