基于神经网络的高效强力砂带磨削温度的研究.pdfVIP

2o09年第 l期 (总第2l9期) |与l _ | veSe 基于神经网络的高效强力砂带磨削温度 的研究 符志华 黄 云 黄 智 刘国华 摘 要：磨削温度高是产生磨削烧伤的主要原因，建立一个合理准确的磨削温度在线预测系统，对满足核电高 压容器的高效深磨质量要求至关重要，为此建立了基于神经网络的高效深切磨削温度预测模型，并与热电偶法测 得的温度进行了试验比较 ，发现此预测模型能达到较高的预测精度，表明了此方法有较大的实用性。 关键词：神经网络 高效深切 磨削温度 1 引言 简单地说，人工神经网络是使用数学方法模拟 核电高压容器作为核电站的关键 “心脏设备” 人脑的思维逻辑，它由大量并行非线性处理单元通 由于工作环境恶劣，必须具备很好的焊缝质量，这 过连接权组成网络的结构，从内部简单地模拟人脑 对焊接工艺提出了很高的要求。纵、环焊缝高效强 的部分形象思维。人工神经网络用简单的数据处 力砂带磨削作为核电高压容器壳体焊缝焊接工艺 理单元模拟神经元作为网络的一个结点，用权值模 中必不可少的工序，其加工效率直接影响到焊接工 拟神经元之间的突触连接强度：正权值起兴奋型突 艺的水平。由于核电高压容器材料属于难磨削材 触的作用，负权值则起抑制型突触的作用。一个结 料，又因其体积庞大，所以加工难度极高。开展高 点有许多输入，类似于神经细胞的树突，接受来 自 效深切(单次磨削深度≤l5t瑚)砂带磨削核电高压 其他神经元的兴奋或抑制信号。计算处理单元对 容器加工研究 ，可使得核电高压容器的整体加工效 所有输入值进行加权求和，并将加权和通过内部转 率得到大幅度提高。然而，由于高效深切磨削区能 换函数产生一个输出值，其作用相当于神经细胞中 量集聚严重，因此不可避免地会出现磨削温度高和 传出神经冲动的轴突。这就是神经网络的基本工 工件磨削烧伤，为了控制和防止磨削温度过高而引 作思想。在人工神经网络的实际应用中，绝大部分 起的磨削烧伤，必须对磨削温度进行试验研究以解 的神经网络模型是采用BP网络和它的变化形式。 决高效砂带磨削中所产生的问题。 BP(BackPmpagation)神经网络利用输出层的误差 目前，磨削加工领域普遍采用热电偶法获得加 来估计输出层的直接前导层的误差，再用这个误差 工工件表面的温度值。接触测量法是一种静态测 估计更前一层的误差，如此下去，就获得了所有其 量，难以实现在线预测，而光学测量法要求加工表 它层的误差估计。这样就形成了由输出端表现出 面周围空间要清洁，也不适用于在线测量。目前人 的误差沿着与输入信号相反的方向逐级向网络输 们主要通过对试验数据进行多元 回归分析来预测 入端传播的过程，因此人们将此算法称为向后传播 磨削加工的表面粗糙度，但难于找到适当的回归模 算法。 型而导致预测精度不高。随着计算机仿真技术的 2．2 BP网络建模 发展，用人工神经网络建模的方法来预测砂带磨削 根据影响磨削温度的磨削参数建立的BP模型 表面温度问题是方便有效的。利用神经网络建模 如图 1所示。 时不必了解系统内部的实际运行规律，只需使用已 有的磨削参数对系统进行训练，当达到给定的误差 要求时，即可用该系统对磨削过程进行仿真，预测 磨头 表面温度。本文应用BP神经网络对磨削温度进行 建模，并将网络学习后的输出值与回归分析的结果 进行比较，证明了该网络模