喬培平

(陜西工業(yè)職業(yè)技術學院機械工程系，陜西咸陽 712000)

神經(jīng)網(wǎng)絡在加工誤差控制中的應用*

喬培平

(陜西工業(yè)職業(yè)技術學院機械工程系，陜西咸陽 712000)

加工誤差的控制是自動化加工技術中的難題，傳統(tǒng)的控制理論不能解決一些問題。通過人工神經(jīng)網(wǎng)絡建立起切削加工自動控制系統(tǒng)，具體訓練網(wǎng)絡采用離線訓練，將樣本數(shù)據(jù)準備后用Matlab工具箱函數(shù)即可完成，并應用于實際的切削過程。結(jié)果表明，神經(jīng)網(wǎng)絡控制系統(tǒng)能有效的控制加工誤差。

神經(jīng)網(wǎng)絡;加工誤差;非線性系統(tǒng);多輸入輸出

1 引言

人工神經(jīng)網(wǎng)絡是模擬人腦功能的非線性大規(guī)模并行信息處理系統(tǒng)，既具有專家系統(tǒng)的一切優(yōu)點，又摒棄了常規(guī)方法所共有的缺陷。它具有很強魯棒性、容錯性，具有高度的自組織、自適應、自聯(lián)想和自學習等能力。神經(jīng)網(wǎng)絡具有非線性特征:它具有逼近任意非線性函數(shù)的能力，這為具有非線性特征的機械加工過程提過了一種通用的系統(tǒng)辨識及控制方法。神經(jīng)網(wǎng)絡具有多輸入輸出特性:輸入輸出變量數(shù)沒有限制，完全根據(jù)問題確定，因而為不同變量的系統(tǒng)提供了一種統(tǒng)一的處理方式。神經(jīng)網(wǎng)絡具有不同數(shù)據(jù)的融合能力，具有并行分布處理方式。神經(jīng)網(wǎng)絡是由神經(jīng)元相互連接而成的，這種結(jié)構便于硬件實現(xiàn)。因此神經(jīng)網(wǎng)絡特別適合解決普通建模方法和傳統(tǒng)人工智能難以解決的模式識別、非線性建模、圖像處理、語言理解、聯(lián)想記憶、自適應控制等問題?；谏窠?jīng)網(wǎng)絡建立的切削加工自動控制系統(tǒng)具有更好的柔性、實時性以及便于實現(xiàn)智能控制等特點［4］。筆者介紹了在改裝的CW6163車床上利用神經(jīng)網(wǎng)絡控制技術實現(xiàn)內(nèi)燃機變橢圓活塞加工的加工精度控制問題。

2 ZQS700內(nèi)燃機的變橢圓活塞及加工

活塞是內(nèi)燃機的重要零件，為了改善活塞裙部與氣缸間的貼合與潤滑，確?；钊芰己玫墓ぷ?，活塞裙部的橫向形狀通常呈現(xiàn)橢圓形，且沿裙高方向截面的橢圓度是變化的，其軸向截面設計成中凸形。

變橢圓的外形面加工是一種典型的復雜形面加工問題。較為先進的加工方法是利用CNC的活塞外形面加工系統(tǒng)，利用該系統(tǒng)加工變橢圓活塞外形面時，提高加工精度仍存在較大難度。因為，常規(guī)的誤差補償和控制策略大多基于整個加工系統(tǒng)是線性、非時變和單輸入、單輸出系統(tǒng)的假設，這對簡單形面的加工控制效果很好，但對象變橢圓活塞外形面加工這類多輸入、多輸出的非線性系統(tǒng)卻難以奏效。基于傳統(tǒng)單點補償控制技術的實驗表明，僅僅將形面上某點的加工誤差反饋給加工系統(tǒng)以校正該點的輸入，不僅被補償點的加工精度沒有達到預期效果，反而影響周圍點的加工精度。鑒于此，變橢圓活塞外形面的加工誤差控制，不能采用傳統(tǒng)的單點補償控制技術，而應采用適合于多輸入多輸出非線性系統(tǒng)的控制系統(tǒng)［2］?；谏窠?jīng)網(wǎng)絡的控制，能對復雜形面的加工提供較為精確的控制。

3 神經(jīng)網(wǎng)絡控制原理

以車削一異形回轉(zhuǎn)體為例，來說明神經(jīng)網(wǎng)絡的誤差控制原理。圖1中實線為一待加工的異形回轉(zhuǎn)體。由于母線曲線未知，故可用母線上的n個離散點的橫坐標及縱坐標(χi、yi)(i=1、2、……n)，來表示該回轉(zhuǎn)體之理想形狀，即yd=［y1、y2……yn］。

圖1 待加工的異形的回轉(zhuǎn)體

由于存在加工誤差，這時加工出的回轉(zhuǎn)體實際輪廓的n個離散點相應的坐標為(χi，yi')(i=1，2，……n)，且χi'=χi，如圖2虛線所示。實際值可視為加工系統(tǒng)的輸出，即y=［y1'，y2'……yn'］。如加工系統(tǒng)的輸入為(χi，ui)，則該加工誤差控制的實質(zhì)就是，輸入調(diào)整為多少值時，輸出值與理想值相同或達到某個精度的逼近。

如果以U表示輸入矢量U=［u1、u2……un］T，Y表示輸出矢量Y=［y1'，y2'……yn'］T，則加工系統(tǒng)的輸入輸出非線性特性可描述為:

Y=G(U)

式中:G為系統(tǒng)的非線性傳遞函數(shù)，它把系統(tǒng)的輸入映射為系統(tǒng)的輸出。

Y=G(U)的含義為:給定輸入U，可獲得輸出Y。然而，對于控制問題，并不需要這種映射關系。因為控制的任務是:給定一個系統(tǒng)的理想輸出值Yd，系統(tǒng)的輸入值Ud是多大?即我們感興趣的是上述映射的逆映射:Ud=G－1(Yd)。利用神經(jīng)網(wǎng)絡實現(xiàn)從U－Y的正映射和從Y－U的逆映射是比較方便的，圖2為系統(tǒng)逆模型的神經(jīng)網(wǎng)絡辨識示意圖。

圖2 神經(jīng)網(wǎng)絡辨識逆模型

圖2僅表示神經(jīng)網(wǎng)絡辨識系統(tǒng)逆模型的原理圖。具體訓練網(wǎng)絡時，采用離線訓練，將樣本數(shù)據(jù)準備后用Matlab工具箱函數(shù)即可完成。在樣本數(shù)據(jù)中，網(wǎng)絡輸入數(shù)據(jù)為Y=［y1'，y2'……yn'］T，輸出數(shù)據(jù)為U=［u1、u2……un］T。一旦神經(jīng)網(wǎng)絡的逆模型建立起來，就表明它具有從切削系統(tǒng)輸出空間向輸入空間進行逆映射的能力，將其作為切削系統(tǒng)的控制器來控制系統(tǒng)，系統(tǒng)就可以獲得理想的輸出?；谏窠?jīng)網(wǎng)絡的控制系統(tǒng)原理圖如圖3所示。

從圖3中可知，神經(jīng)網(wǎng)絡逆模型的輸入為Yd，其輸出為Ud=G－1(Yd);切削系統(tǒng)的輸入是Ud，輸出為Y=G(Ud)。由于神經(jīng)網(wǎng)絡逆模型是切削系統(tǒng)模型的逆映射，因此神經(jīng)網(wǎng)絡的傳遞函數(shù)G－1就是切削系統(tǒng)傳遞函數(shù)G的逆(G)－1，于是有:

上式表明，神經(jīng)網(wǎng)絡的輸入為Yd，切削系統(tǒng)的輸出也為Yd。因而，利用該控制系統(tǒng)原理，就可以獲得期望的輸出值Yd，這就是神經(jīng)網(wǎng)絡控制原理［1］。就本問題而言，期望的切削系統(tǒng)輸出為Yd=［y1、y2……yn］，只需在神經(jīng)網(wǎng)絡輸入端輸入Yd，則加工出的工件尺寸將是理想或接近理想尺寸。

圖3 控制系統(tǒng)原理圖

4 控制系統(tǒng)的實現(xiàn)

圖4為變橢圓活塞加工實驗裝置，機床為改裝的CW6163機床。圖4中步進電動機用于實現(xiàn)刀具橫向精密微量進給，光柵長度測量儀測量凸輪推動擺桿支點的位移量。主控機根據(jù)不同誤差補償控制方式的活塞加工控制數(shù)據(jù)，與凸輪曲線數(shù)據(jù)比較，形成CNC控制文件。加工時，主控機先驅(qū)動步進電動機運轉(zhuǎn)，然后根據(jù)光電開關1測量的凸輪轉(zhuǎn)角信號，找到凸輪與活塞型線最佳的近似輪廓線，接著主控機以光電開關2測量的主軸回轉(zhuǎn)信號，查閱CNC控制文件，發(fā)出相應的步進電動機控制脈沖，使步進電動機帶動凸輪、擺桿推動刀具作相應的切削，從而實現(xiàn)凸輪曲線對中凸型線的擬合，完成其加工。

圖4 變橢圓活塞加工實驗裝置示意圖

5 測試結(jié)果及結(jié)論

采用傳統(tǒng)誤差補償控制技術實施單輸入單輸出線性補償時，加工出的工件實測值見表1中CNC加工欄，這時最大誤差為11.3 μm。采用神經(jīng)網(wǎng)絡控制后，按神經(jīng)網(wǎng)絡提供的輸入數(shù)據(jù)控制系統(tǒng)，加工實測值見表1中神經(jīng)網(wǎng)絡欄，這時最大誤差為4.9 μm。由此可見，神經(jīng)網(wǎng)絡控制系統(tǒng)能有效地控制加工誤差，神經(jīng)網(wǎng)絡應用于設備加工誤差的控制有重要的理 論研究價值和廣闊的應用前景。

表1 加工誤差控制方法比較 /μm

［1］ 焦李成.神經(jīng)網(wǎng)絡的應用與實現(xiàn)［M］.西安:西安電子科技大學出版社，2003.

［2］ 尹紅風.人工神經(jīng)網(wǎng)絡信息處理原理［M］.大連:大連理工大學出版社，1999.

［3］ 胡守仁.神經(jīng)網(wǎng)絡導論［M］.長沙:國防科技大學出版社，2005.

［4］ 孫寶元.切削狀態(tài)智能監(jiān)控技術［M］.大連:大連理工大學出版社，1998.

Neural Network Application in Machining Error Control

QIAO Pei－ping
(Mechanical Engineering Depantment，Shaanχi Industrial Vocational and Technical College，Xianyang Shaanχi712000，China)

Machining error control is one of the most difficult problems in automated processing technology，although the traditional control theory can not be solved，some problems.By artificial neural network，a machining automatic control system is established，the specific training network uses the offline training，after the sample data to be prepared for the Matlab，toolbox function can be completed，and applied to the actual cutting process.The results show that the neural network control system can effectively control the machining errors.

neural network;processing error;nonlinear systems;multiple input and output

TG702

A

1007－4414(2013)05－0079－02

2013－07－13

喬培平(1975－)，男，陜西咸陽人，講師，主要從事設備控制技術、刀具切削狀態(tài)智能監(jiān)控技術方面的教學和研究工作。