国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

BP神經(jīng)網(wǎng)絡(luò)在電火花成形加工中的應(yīng)用

2014-09-01 04:34:26茍剛劉勇
新媒體研究 2014年11期
關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò)建模

茍剛+劉勇

摘要針對(duì)電火花成形加工工藝特點(diǎn),以峰值電流、脈沖間隔、脈沖寬度、峰值電壓為輸入?yún)?shù),加工速度、電極損耗和表面粗糙度為輸出參數(shù),提出了用BP神經(jīng)網(wǎng)絡(luò)對(duì)電火花成形加工過(guò)程建立加工效果預(yù)測(cè)模型,通過(guò)計(jì)算機(jī)仿真的結(jié)果與實(shí)驗(yàn)數(shù)據(jù)對(duì)比,認(rèn)為該模型能夠比較精確地預(yù)測(cè)出一定條件下的加工速度、電極損耗和表面粗糙度,并能真實(shí)反映出機(jī)床的加工工藝規(guī)律。

關(guān)鍵詞電火花成形加工;人工神經(jīng)網(wǎng)絡(luò);建模

中圖分類號(hào):TG661 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1671-7597(2014)11-0075-02

經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展,電火花加工技術(shù)已取得了巨大的進(jìn)步,突破了傳統(tǒng)觀念的束縛,成為現(xiàn)代制造技術(shù)的重要組成部分。國(guó)內(nèi)企業(yè)把重點(diǎn)放在市場(chǎng)的份額上,忽視了基礎(chǔ)理論研究和技術(shù)創(chuàng)新,這使得與國(guó)外的電火花加工技術(shù)水平差距增大[1]。作為電火花加工的一部分,電火花成形加工在模具生產(chǎn)中得到了廣泛的應(yīng)用。然而電火花成形加工的影響因素太復(fù)雜,加工過(guò)程很難用傳統(tǒng)的數(shù)學(xué)模型來(lái)描述,工藝參數(shù)的選擇往往依賴于操作者的經(jīng)驗(yàn)和熟練程度,由于實(shí)際加工的千變?nèi)f化,這在很大程度上影響了機(jī)床性能的發(fā)揮。

人工神經(jīng)網(wǎng)絡(luò)是由大量簡(jiǎn)單處理元件相互連接構(gòu)成的高度并行的非線性系統(tǒng),具有高度非線性、自學(xué)習(xí)、自組織與自適應(yīng)性等特征[2]。本文針對(duì)電火花成形加工工藝效果的問(wèn)題,提出了一種基于神經(jīng)網(wǎng)絡(luò)的工藝效果預(yù)測(cè)模型。

1電火花成形加工神經(jīng)網(wǎng)絡(luò)模型

1)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的建立。影響電火花成形加工工藝效果的因素分為電參數(shù)和非電參數(shù),其中電參數(shù)包括加工極性、峰值電流、脈沖寬度、脈沖間隔、峰值電壓等,非電參數(shù)有電極材料、電極形狀、加工深度、抬刀時(shí)間、加工面積以及電介液等因素,它們相互影響,錯(cuò)綜復(fù)雜。假如將所有的因素都作為自變量處理,這樣會(huì)使模型變得相當(dāng)復(fù)雜,實(shí)際加工中要同時(shí)獲得這些參數(shù)的數(shù)據(jù)也是不現(xiàn)實(shí)的。根據(jù)大量的實(shí)驗(yàn)分析和相關(guān)研究人員的研究分析,本課題在其它加工條件一定的情況下,以峰值電流、脈沖間隔、脈沖寬度、峰值電壓為輸入?yún)?shù),以加工速度、電極損耗和表面粗糙度為輸出參數(shù),以此建立電火花成形加工的神經(jīng)網(wǎng)絡(luò)模型。本次采用目前應(yīng)用比較廣泛的三層BP神經(jīng)網(wǎng)絡(luò),經(jīng)試錯(cuò)實(shí)驗(yàn),此處隱含層節(jié)點(diǎn)數(shù)取8,因此網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為4×8×3,如圖1所示。

圖1預(yù)測(cè)模型的BP網(wǎng)絡(luò)拓?fù)鋱D

2)BP網(wǎng)絡(luò)的學(xué)習(xí)算法。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系,而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法,通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的誤差平方和最小。BP網(wǎng)絡(luò)常規(guī)的學(xué)習(xí)規(guī)則是Delta規(guī)則,輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)權(quán)值和閾值的算法為如下[3]:

式中,為學(xué)習(xí)率,為傳遞函數(shù), 為網(wǎng)絡(luò)計(jì)算輸出, 為輸出節(jié)點(diǎn)的期望輸出, 為節(jié)點(diǎn)輸入值, 為神經(jīng)元輸入, 為輸入節(jié)點(diǎn)與隱節(jié)點(diǎn)之間的網(wǎng)絡(luò)權(quán)值, 為隱節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的網(wǎng)絡(luò)權(quán)值。

上述BP算法為標(biāo)準(zhǔn)BP算法,標(biāo)準(zhǔn)總體誤差為:

標(biāo)準(zhǔn)的BP學(xué)習(xí)算法收斂速度慢,存在多個(gè)局部極小點(diǎn),為了克服標(biāo)準(zhǔn)算法的這些缺點(diǎn),本文采用具有較快學(xué)習(xí)速度的L-M算法,L-M算法根據(jù)Levenberg-Marquardt優(yōu)化理論對(duì)網(wǎng)絡(luò)閾值和權(quán)值進(jìn)行調(diào)整, 參數(shù)調(diào)整的學(xué)習(xí)算法如下[3]:

式中,J為網(wǎng)絡(luò)誤差對(duì)網(wǎng)絡(luò)參數(shù)的導(dǎo)數(shù)的雅可比(Jaconbian)矩陣;I為單位矩陣;E為誤差矩陣;u為適應(yīng)值。

3)BP神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)。Matlab神經(jīng)網(wǎng)絡(luò)工具箱是以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),采用Matlab語(yǔ)言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù),針對(duì)特定的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)、設(shè)計(jì)、訓(xùn)練和仿真[4]。Matlab神經(jīng)網(wǎng)絡(luò)工具箱提供了多種學(xué)習(xí)算法,其主要仿真思路為:首先調(diào)用工具箱里的相關(guān)函數(shù)對(duì)初始采樣數(shù)據(jù)進(jìn)行預(yù)處理;其次使用函數(shù)netff()創(chuàng)建一個(gè)BP神經(jīng)網(wǎng)絡(luò);然后在獲得神經(jīng)網(wǎng)絡(luò)輸出后,為了方便對(duì)數(shù)據(jù)進(jìn)行分析,需要對(duì)訓(xùn)練好的輸出數(shù)據(jù)進(jìn)行反處理;最后對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真。

在數(shù)據(jù)預(yù)處理中,通常采用的是歸一化處理,選取Matlab神經(jīng)網(wǎng)絡(luò)工具箱中premnmx命令進(jìn)行歸一化時(shí)必須剔除一些異常點(diǎn)以及對(duì)已經(jīng)在[-1,1]和[0,1]的數(shù)據(jù)必須排除,這樣會(huì)給設(shè)計(jì)帶來(lái)一定的麻煩,因此本次采用prestd命令。

2模型驗(yàn)證及分析

建立好模型后,通過(guò)試驗(yàn)來(lái)驗(yàn)證模型的正確性和可行性,本次試驗(yàn)采用的是泰州方正數(shù)控DK7130電火花成形機(jī),電極材料為紫銅,工件材料為45#鋼,工作液為DK7130標(biāo)配專用油,采用負(fù)極性加工。做了表1所示的實(shí)驗(yàn),試驗(yàn)結(jié)果與預(yù)測(cè)結(jié)果之間比較如表2所示。

表1加工參數(shù)

峰值電流(A) 脈沖寬度(us) 脈沖間隔(us) 峰值電壓(Unit)

2 120 220 3

7 240 30 8

7 60 220 6

10 20 150 6

10 120 70 8

15 60 70 1

表2試驗(yàn)結(jié)果與預(yù)測(cè)結(jié)果之間的比較

電極損耗θ/% 加工速度vw/mm3/min 表面粗糙度Ra/um

實(shí)際值 預(yù)測(cè)值 實(shí)際值 預(yù)測(cè)值 實(shí)際值 預(yù)測(cè)值

0.7 0.637 16.96 16.268 3.17 3.16

2 1.791 41.36 42.934 6.72 5.958

1.6 1.813 33.62 34.350 4.63 4.800

4.6 4.477 46.64 48.577 4.52 4.782

2 2.392 56.35 53.951 5.99 6.091

4 3.819 66.31 70.566 6.18 6.704

從表1、表2可以看出,網(wǎng)絡(luò)正確的反應(yīng)了電參數(shù)與加工結(jié)果直接地映射關(guān)系,預(yù)測(cè)結(jié)果和實(shí)際情況還是十分接近,因此證實(shí)了本課題所建立的BP神經(jīng)網(wǎng)絡(luò)模型能反應(yīng)出的工藝規(guī)律。

3結(jié)論

1)相對(duì)于傳統(tǒng)非線性回歸模型預(yù)測(cè)結(jié)果分散性較大、計(jì)算分析過(guò)程復(fù)雜以及預(yù)測(cè)結(jié)果也不理想的缺點(diǎn),人工神經(jīng)網(wǎng)絡(luò)模型在電火花加工工藝效果的預(yù)測(cè)具有良好的效果,試驗(yàn)表明電極損耗、表面粗糙度和加工速度的實(shí)際值與預(yù)測(cè)值很接近,因此該模型能真實(shí)反映機(jī)床的加工工藝規(guī)律。

2)人工神經(jīng)網(wǎng)絡(luò)與仿真預(yù)測(cè)控制理論相結(jié)合,應(yīng)用于電火花加工過(guò)程中工藝效果的控制。通過(guò)建立多模態(tài)的信息預(yù)測(cè)模型,使電火花加工工藝的控制向更高的層次發(fā)展。

3)本課題的研究只是初步的嘗試,如果能引入智能算法,如遺傳算法,模擬退火算法等,在學(xué)習(xí)時(shí)考慮更多影響加工工藝效果的因素,則更能提高模型的精度,具有更大的實(shí)際意義。

參考文獻(xiàn)

[1]楊大勇,伏金娟.電火花成形加工技術(shù)及其發(fā)展動(dòng)向[J].航空制造技術(shù),2010(5):43-46.

[2]吳蓉.基于人工神經(jīng)網(wǎng)絡(luò)的電火花加工工藝專家系統(tǒng)[J].機(jī)電產(chǎn)品開發(fā)與應(yīng)用,2008,21(4):174-178.

[3]田景文.人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[M].北京:北京理工大學(xué)出版社,2006.

[4]周開利,康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M].北京:清華大學(xué)出版社,2005.

endprint

摘要針對(duì)電火花成形加工工藝特點(diǎn),以峰值電流、脈沖間隔、脈沖寬度、峰值電壓為輸入?yún)?shù),加工速度、電極損耗和表面粗糙度為輸出參數(shù),提出了用BP神經(jīng)網(wǎng)絡(luò)對(duì)電火花成形加工過(guò)程建立加工效果預(yù)測(cè)模型,通過(guò)計(jì)算機(jī)仿真的結(jié)果與實(shí)驗(yàn)數(shù)據(jù)對(duì)比,認(rèn)為該模型能夠比較精確地預(yù)測(cè)出一定條件下的加工速度、電極損耗和表面粗糙度,并能真實(shí)反映出機(jī)床的加工工藝規(guī)律。

關(guān)鍵詞電火花成形加工;人工神經(jīng)網(wǎng)絡(luò);建模

中圖分類號(hào):TG661 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1671-7597(2014)11-0075-02

經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展,電火花加工技術(shù)已取得了巨大的進(jìn)步,突破了傳統(tǒng)觀念的束縛,成為現(xiàn)代制造技術(shù)的重要組成部分。國(guó)內(nèi)企業(yè)把重點(diǎn)放在市場(chǎng)的份額上,忽視了基礎(chǔ)理論研究和技術(shù)創(chuàng)新,這使得與國(guó)外的電火花加工技術(shù)水平差距增大[1]。作為電火花加工的一部分,電火花成形加工在模具生產(chǎn)中得到了廣泛的應(yīng)用。然而電火花成形加工的影響因素太復(fù)雜,加工過(guò)程很難用傳統(tǒng)的數(shù)學(xué)模型來(lái)描述,工藝參數(shù)的選擇往往依賴于操作者的經(jīng)驗(yàn)和熟練程度,由于實(shí)際加工的千變?nèi)f化,這在很大程度上影響了機(jī)床性能的發(fā)揮。

人工神經(jīng)網(wǎng)絡(luò)是由大量簡(jiǎn)單處理元件相互連接構(gòu)成的高度并行的非線性系統(tǒng),具有高度非線性、自學(xué)習(xí)、自組織與自適應(yīng)性等特征[2]。本文針對(duì)電火花成形加工工藝效果的問(wèn)題,提出了一種基于神經(jīng)網(wǎng)絡(luò)的工藝效果預(yù)測(cè)模型。

1電火花成形加工神經(jīng)網(wǎng)絡(luò)模型

1)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的建立。影響電火花成形加工工藝效果的因素分為電參數(shù)和非電參數(shù),其中電參數(shù)包括加工極性、峰值電流、脈沖寬度、脈沖間隔、峰值電壓等,非電參數(shù)有電極材料、電極形狀、加工深度、抬刀時(shí)間、加工面積以及電介液等因素,它們相互影響,錯(cuò)綜復(fù)雜。假如將所有的因素都作為自變量處理,這樣會(huì)使模型變得相當(dāng)復(fù)雜,實(shí)際加工中要同時(shí)獲得這些參數(shù)的數(shù)據(jù)也是不現(xiàn)實(shí)的。根據(jù)大量的實(shí)驗(yàn)分析和相關(guān)研究人員的研究分析,本課題在其它加工條件一定的情況下,以峰值電流、脈沖間隔、脈沖寬度、峰值電壓為輸入?yún)?shù),以加工速度、電極損耗和表面粗糙度為輸出參數(shù),以此建立電火花成形加工的神經(jīng)網(wǎng)絡(luò)模型。本次采用目前應(yīng)用比較廣泛的三層BP神經(jīng)網(wǎng)絡(luò),經(jīng)試錯(cuò)實(shí)驗(yàn),此處隱含層節(jié)點(diǎn)數(shù)取8,因此網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為4×8×3,如圖1所示。

圖1預(yù)測(cè)模型的BP網(wǎng)絡(luò)拓?fù)鋱D

2)BP網(wǎng)絡(luò)的學(xué)習(xí)算法。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系,而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法,通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的誤差平方和最小。BP網(wǎng)絡(luò)常規(guī)的學(xué)習(xí)規(guī)則是Delta規(guī)則,輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)權(quán)值和閾值的算法為如下[3]:

式中,為學(xué)習(xí)率,為傳遞函數(shù), 為網(wǎng)絡(luò)計(jì)算輸出, 為輸出節(jié)點(diǎn)的期望輸出, 為節(jié)點(diǎn)輸入值, 為神經(jīng)元輸入, 為輸入節(jié)點(diǎn)與隱節(jié)點(diǎn)之間的網(wǎng)絡(luò)權(quán)值, 為隱節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的網(wǎng)絡(luò)權(quán)值。

上述BP算法為標(biāo)準(zhǔn)BP算法,標(biāo)準(zhǔn)總體誤差為:

標(biāo)準(zhǔn)的BP學(xué)習(xí)算法收斂速度慢,存在多個(gè)局部極小點(diǎn),為了克服標(biāo)準(zhǔn)算法的這些缺點(diǎn),本文采用具有較快學(xué)習(xí)速度的L-M算法,L-M算法根據(jù)Levenberg-Marquardt優(yōu)化理論對(duì)網(wǎng)絡(luò)閾值和權(quán)值進(jìn)行調(diào)整, 參數(shù)調(diào)整的學(xué)習(xí)算法如下[3]:

式中,J為網(wǎng)絡(luò)誤差對(duì)網(wǎng)絡(luò)參數(shù)的導(dǎo)數(shù)的雅可比(Jaconbian)矩陣;I為單位矩陣;E為誤差矩陣;u為適應(yīng)值。

3)BP神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)。Matlab神經(jīng)網(wǎng)絡(luò)工具箱是以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),采用Matlab語(yǔ)言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù),針對(duì)特定的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)、設(shè)計(jì)、訓(xùn)練和仿真[4]。Matlab神經(jīng)網(wǎng)絡(luò)工具箱提供了多種學(xué)習(xí)算法,其主要仿真思路為:首先調(diào)用工具箱里的相關(guān)函數(shù)對(duì)初始采樣數(shù)據(jù)進(jìn)行預(yù)處理;其次使用函數(shù)netff()創(chuàng)建一個(gè)BP神經(jīng)網(wǎng)絡(luò);然后在獲得神經(jīng)網(wǎng)絡(luò)輸出后,為了方便對(duì)數(shù)據(jù)進(jìn)行分析,需要對(duì)訓(xùn)練好的輸出數(shù)據(jù)進(jìn)行反處理;最后對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真。

在數(shù)據(jù)預(yù)處理中,通常采用的是歸一化處理,選取Matlab神經(jīng)網(wǎng)絡(luò)工具箱中premnmx命令進(jìn)行歸一化時(shí)必須剔除一些異常點(diǎn)以及對(duì)已經(jīng)在[-1,1]和[0,1]的數(shù)據(jù)必須排除,這樣會(huì)給設(shè)計(jì)帶來(lái)一定的麻煩,因此本次采用prestd命令。

2模型驗(yàn)證及分析

建立好模型后,通過(guò)試驗(yàn)來(lái)驗(yàn)證模型的正確性和可行性,本次試驗(yàn)采用的是泰州方正數(shù)控DK7130電火花成形機(jī),電極材料為紫銅,工件材料為45#鋼,工作液為DK7130標(biāo)配專用油,采用負(fù)極性加工。做了表1所示的實(shí)驗(yàn),試驗(yàn)結(jié)果與預(yù)測(cè)結(jié)果之間比較如表2所示。

表1加工參數(shù)

峰值電流(A) 脈沖寬度(us) 脈沖間隔(us) 峰值電壓(Unit)

2 120 220 3

7 240 30 8

7 60 220 6

10 20 150 6

10 120 70 8

15 60 70 1

表2試驗(yàn)結(jié)果與預(yù)測(cè)結(jié)果之間的比較

電極損耗θ/% 加工速度vw/mm3/min 表面粗糙度Ra/um

實(shí)際值 預(yù)測(cè)值 實(shí)際值 預(yù)測(cè)值 實(shí)際值 預(yù)測(cè)值

0.7 0.637 16.96 16.268 3.17 3.16

2 1.791 41.36 42.934 6.72 5.958

1.6 1.813 33.62 34.350 4.63 4.800

4.6 4.477 46.64 48.577 4.52 4.782

2 2.392 56.35 53.951 5.99 6.091

4 3.819 66.31 70.566 6.18 6.704

從表1、表2可以看出,網(wǎng)絡(luò)正確的反應(yīng)了電參數(shù)與加工結(jié)果直接地映射關(guān)系,預(yù)測(cè)結(jié)果和實(shí)際情況還是十分接近,因此證實(shí)了本課題所建立的BP神經(jīng)網(wǎng)絡(luò)模型能反應(yīng)出的工藝規(guī)律。

3結(jié)論

1)相對(duì)于傳統(tǒng)非線性回歸模型預(yù)測(cè)結(jié)果分散性較大、計(jì)算分析過(guò)程復(fù)雜以及預(yù)測(cè)結(jié)果也不理想的缺點(diǎn),人工神經(jīng)網(wǎng)絡(luò)模型在電火花加工工藝效果的預(yù)測(cè)具有良好的效果,試驗(yàn)表明電極損耗、表面粗糙度和加工速度的實(shí)際值與預(yù)測(cè)值很接近,因此該模型能真實(shí)反映機(jī)床的加工工藝規(guī)律。

2)人工神經(jīng)網(wǎng)絡(luò)與仿真預(yù)測(cè)控制理論相結(jié)合,應(yīng)用于電火花加工過(guò)程中工藝效果的控制。通過(guò)建立多模態(tài)的信息預(yù)測(cè)模型,使電火花加工工藝的控制向更高的層次發(fā)展。

3)本課題的研究只是初步的嘗試,如果能引入智能算法,如遺傳算法,模擬退火算法等,在學(xué)習(xí)時(shí)考慮更多影響加工工藝效果的因素,則更能提高模型的精度,具有更大的實(shí)際意義。

參考文獻(xiàn)

[1]楊大勇,伏金娟.電火花成形加工技術(shù)及其發(fā)展動(dòng)向[J].航空制造技術(shù),2010(5):43-46.

[2]吳蓉.基于人工神經(jīng)網(wǎng)絡(luò)的電火花加工工藝專家系統(tǒng)[J].機(jī)電產(chǎn)品開發(fā)與應(yīng)用,2008,21(4):174-178.

[3]田景文.人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[M].北京:北京理工大學(xué)出版社,2006.

[4]周開利,康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M].北京:清華大學(xué)出版社,2005.

endprint

摘要針對(duì)電火花成形加工工藝特點(diǎn),以峰值電流、脈沖間隔、脈沖寬度、峰值電壓為輸入?yún)?shù),加工速度、電極損耗和表面粗糙度為輸出參數(shù),提出了用BP神經(jīng)網(wǎng)絡(luò)對(duì)電火花成形加工過(guò)程建立加工效果預(yù)測(cè)模型,通過(guò)計(jì)算機(jī)仿真的結(jié)果與實(shí)驗(yàn)數(shù)據(jù)對(duì)比,認(rèn)為該模型能夠比較精確地預(yù)測(cè)出一定條件下的加工速度、電極損耗和表面粗糙度,并能真實(shí)反映出機(jī)床的加工工藝規(guī)律。

關(guān)鍵詞電火花成形加工;人工神經(jīng)網(wǎng)絡(luò);建模

中圖分類號(hào):TG661 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1671-7597(2014)11-0075-02

經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展,電火花加工技術(shù)已取得了巨大的進(jìn)步,突破了傳統(tǒng)觀念的束縛,成為現(xiàn)代制造技術(shù)的重要組成部分。國(guó)內(nèi)企業(yè)把重點(diǎn)放在市場(chǎng)的份額上,忽視了基礎(chǔ)理論研究和技術(shù)創(chuàng)新,這使得與國(guó)外的電火花加工技術(shù)水平差距增大[1]。作為電火花加工的一部分,電火花成形加工在模具生產(chǎn)中得到了廣泛的應(yīng)用。然而電火花成形加工的影響因素太復(fù)雜,加工過(guò)程很難用傳統(tǒng)的數(shù)學(xué)模型來(lái)描述,工藝參數(shù)的選擇往往依賴于操作者的經(jīng)驗(yàn)和熟練程度,由于實(shí)際加工的千變?nèi)f化,這在很大程度上影響了機(jī)床性能的發(fā)揮。

人工神經(jīng)網(wǎng)絡(luò)是由大量簡(jiǎn)單處理元件相互連接構(gòu)成的高度并行的非線性系統(tǒng),具有高度非線性、自學(xué)習(xí)、自組織與自適應(yīng)性等特征[2]。本文針對(duì)電火花成形加工工藝效果的問(wèn)題,提出了一種基于神經(jīng)網(wǎng)絡(luò)的工藝效果預(yù)測(cè)模型。

1電火花成形加工神經(jīng)網(wǎng)絡(luò)模型

1)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的建立。影響電火花成形加工工藝效果的因素分為電參數(shù)和非電參數(shù),其中電參數(shù)包括加工極性、峰值電流、脈沖寬度、脈沖間隔、峰值電壓等,非電參數(shù)有電極材料、電極形狀、加工深度、抬刀時(shí)間、加工面積以及電介液等因素,它們相互影響,錯(cuò)綜復(fù)雜。假如將所有的因素都作為自變量處理,這樣會(huì)使模型變得相當(dāng)復(fù)雜,實(shí)際加工中要同時(shí)獲得這些參數(shù)的數(shù)據(jù)也是不現(xiàn)實(shí)的。根據(jù)大量的實(shí)驗(yàn)分析和相關(guān)研究人員的研究分析,本課題在其它加工條件一定的情況下,以峰值電流、脈沖間隔、脈沖寬度、峰值電壓為輸入?yún)?shù),以加工速度、電極損耗和表面粗糙度為輸出參數(shù),以此建立電火花成形加工的神經(jīng)網(wǎng)絡(luò)模型。本次采用目前應(yīng)用比較廣泛的三層BP神經(jīng)網(wǎng)絡(luò),經(jīng)試錯(cuò)實(shí)驗(yàn),此處隱含層節(jié)點(diǎn)數(shù)取8,因此網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為4×8×3,如圖1所示。

圖1預(yù)測(cè)模型的BP網(wǎng)絡(luò)拓?fù)鋱D

2)BP網(wǎng)絡(luò)的學(xué)習(xí)算法。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系,而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法,通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)的誤差平方和最小。BP網(wǎng)絡(luò)常規(guī)的學(xué)習(xí)規(guī)則是Delta規(guī)則,輸入節(jié)點(diǎn)與隱層節(jié)點(diǎn)權(quán)值和閾值的算法為如下[3]:

式中,為學(xué)習(xí)率,為傳遞函數(shù), 為網(wǎng)絡(luò)計(jì)算輸出, 為輸出節(jié)點(diǎn)的期望輸出, 為節(jié)點(diǎn)輸入值, 為神經(jīng)元輸入, 為輸入節(jié)點(diǎn)與隱節(jié)點(diǎn)之間的網(wǎng)絡(luò)權(quán)值, 為隱節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的網(wǎng)絡(luò)權(quán)值。

上述BP算法為標(biāo)準(zhǔn)BP算法,標(biāo)準(zhǔn)總體誤差為:

標(biāo)準(zhǔn)的BP學(xué)習(xí)算法收斂速度慢,存在多個(gè)局部極小點(diǎn),為了克服標(biāo)準(zhǔn)算法的這些缺點(diǎn),本文采用具有較快學(xué)習(xí)速度的L-M算法,L-M算法根據(jù)Levenberg-Marquardt優(yōu)化理論對(duì)網(wǎng)絡(luò)閾值和權(quán)值進(jìn)行調(diào)整, 參數(shù)調(diào)整的學(xué)習(xí)算法如下[3]:

式中,J為網(wǎng)絡(luò)誤差對(duì)網(wǎng)絡(luò)參數(shù)的導(dǎo)數(shù)的雅可比(Jaconbian)矩陣;I為單位矩陣;E為誤差矩陣;u為適應(yīng)值。

3)BP神經(jīng)網(wǎng)絡(luò)的Matlab實(shí)現(xiàn)。Matlab神經(jīng)網(wǎng)絡(luò)工具箱是以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),采用Matlab語(yǔ)言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù),針對(duì)特定的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)、設(shè)計(jì)、訓(xùn)練和仿真[4]。Matlab神經(jīng)網(wǎng)絡(luò)工具箱提供了多種學(xué)習(xí)算法,其主要仿真思路為:首先調(diào)用工具箱里的相關(guān)函數(shù)對(duì)初始采樣數(shù)據(jù)進(jìn)行預(yù)處理;其次使用函數(shù)netff()創(chuàng)建一個(gè)BP神經(jīng)網(wǎng)絡(luò);然后在獲得神經(jīng)網(wǎng)絡(luò)輸出后,為了方便對(duì)數(shù)據(jù)進(jìn)行分析,需要對(duì)訓(xùn)練好的輸出數(shù)據(jù)進(jìn)行反處理;最后對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真。

在數(shù)據(jù)預(yù)處理中,通常采用的是歸一化處理,選取Matlab神經(jīng)網(wǎng)絡(luò)工具箱中premnmx命令進(jìn)行歸一化時(shí)必須剔除一些異常點(diǎn)以及對(duì)已經(jīng)在[-1,1]和[0,1]的數(shù)據(jù)必須排除,這樣會(huì)給設(shè)計(jì)帶來(lái)一定的麻煩,因此本次采用prestd命令。

2模型驗(yàn)證及分析

建立好模型后,通過(guò)試驗(yàn)來(lái)驗(yàn)證模型的正確性和可行性,本次試驗(yàn)采用的是泰州方正數(shù)控DK7130電火花成形機(jī),電極材料為紫銅,工件材料為45#鋼,工作液為DK7130標(biāo)配專用油,采用負(fù)極性加工。做了表1所示的實(shí)驗(yàn),試驗(yàn)結(jié)果與預(yù)測(cè)結(jié)果之間比較如表2所示。

表1加工參數(shù)

峰值電流(A) 脈沖寬度(us) 脈沖間隔(us) 峰值電壓(Unit)

2 120 220 3

7 240 30 8

7 60 220 6

10 20 150 6

10 120 70 8

15 60 70 1

表2試驗(yàn)結(jié)果與預(yù)測(cè)結(jié)果之間的比較

電極損耗θ/% 加工速度vw/mm3/min 表面粗糙度Ra/um

實(shí)際值 預(yù)測(cè)值 實(shí)際值 預(yù)測(cè)值 實(shí)際值 預(yù)測(cè)值

0.7 0.637 16.96 16.268 3.17 3.16

2 1.791 41.36 42.934 6.72 5.958

1.6 1.813 33.62 34.350 4.63 4.800

4.6 4.477 46.64 48.577 4.52 4.782

2 2.392 56.35 53.951 5.99 6.091

4 3.819 66.31 70.566 6.18 6.704

從表1、表2可以看出,網(wǎng)絡(luò)正確的反應(yīng)了電參數(shù)與加工結(jié)果直接地映射關(guān)系,預(yù)測(cè)結(jié)果和實(shí)際情況還是十分接近,因此證實(shí)了本課題所建立的BP神經(jīng)網(wǎng)絡(luò)模型能反應(yīng)出的工藝規(guī)律。

3結(jié)論

1)相對(duì)于傳統(tǒng)非線性回歸模型預(yù)測(cè)結(jié)果分散性較大、計(jì)算分析過(guò)程復(fù)雜以及預(yù)測(cè)結(jié)果也不理想的缺點(diǎn),人工神經(jīng)網(wǎng)絡(luò)模型在電火花加工工藝效果的預(yù)測(cè)具有良好的效果,試驗(yàn)表明電極損耗、表面粗糙度和加工速度的實(shí)際值與預(yù)測(cè)值很接近,因此該模型能真實(shí)反映機(jī)床的加工工藝規(guī)律。

2)人工神經(jīng)網(wǎng)絡(luò)與仿真預(yù)測(cè)控制理論相結(jié)合,應(yīng)用于電火花加工過(guò)程中工藝效果的控制。通過(guò)建立多模態(tài)的信息預(yù)測(cè)模型,使電火花加工工藝的控制向更高的層次發(fā)展。

3)本課題的研究只是初步的嘗試,如果能引入智能算法,如遺傳算法,模擬退火算法等,在學(xué)習(xí)時(shí)考慮更多影響加工工藝效果的因素,則更能提高模型的精度,具有更大的實(shí)際意義。

參考文獻(xiàn)

[1]楊大勇,伏金娟.電火花成形加工技術(shù)及其發(fā)展動(dòng)向[J].航空制造技術(shù),2010(5):43-46.

[2]吳蓉.基于人工神經(jīng)網(wǎng)絡(luò)的電火花加工工藝專家系統(tǒng)[J].機(jī)電產(chǎn)品開發(fā)與應(yīng)用,2008,21(4):174-178.

[3]田景文.人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[M].北京:北京理工大學(xué)出版社,2006.

[4]周開利,康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M].北京:清華大學(xué)出版社,2005.

endprint

猜你喜歡
人工神經(jīng)網(wǎng)絡(luò)建模
聯(lián)想等效,拓展建?!浴皫щ娦∏蛟诘刃?chǎng)中做圓周運(yùn)動(dòng)”為例
利用人工神經(jīng)網(wǎng)絡(luò)快速計(jì)算木星系磁坐標(biāo)
人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)簡(jiǎn)單字母的識(shí)別
電子制作(2019年10期)2019-06-17 11:45:10
滑動(dòng)電接觸摩擦力的BP與RBF人工神經(jīng)網(wǎng)絡(luò)建模
縝密審題,準(zhǔn)確建模,學(xué)以致用
基于PSS/E的風(fēng)電場(chǎng)建模與動(dòng)態(tài)分析
電子制作(2018年17期)2018-09-28 01:56:44
不對(duì)稱半橋變換器的建模與仿真
人工神經(jīng)網(wǎng)絡(luò)和安時(shí)法電池SOC估計(jì)
IDEF3和DSM在拆裝過(guò)程建模中的應(yīng)用
基于聲發(fā)射和人工神經(jīng)網(wǎng)絡(luò)的混凝土損傷程度識(shí)別
江都市| 女性| 汉川市| 垫江县| 盐亭县| 政和县| 荔波县| 平安县| 宜春市| 博罗县| 五家渠市| 安岳县| 门头沟区| 双城市| 安丘市| 祁阳县| 盐亭县| 洪雅县| 东莞市| 瓮安县| 公安县| 建湖县| 宁城县| 炉霍县| 东方市| 鄂托克前旗| 怀安县| 万安县| 安塞县| 汪清县| 渝中区| 三河市| 山东省| 石阡县| 拉孜县| 无锡市| 遂溪县| 社旗县| 鄱阳县| 灌南县| 邢台县|