注塑件缺陷智能诊断技术.pdfVIP

维普资讯 模 具 技 术 2001．№ ．4 文章编号：1001—4934(2001)04—0053—03 注塑件缺陷智能诊断技术 徐能谦 ，谭险峰 (1．南 昌航空工业学院 图书馆，江西 南昌 330034 2．南 昌航空工业学院 材料系，江西 南昌 330034) 摘 要：总结了注塑件常见的缺陷征兆——原因袁，应用人工神经网络技术对注塑件缺陷进 行 了正向诊断，描述了BP神经网络的建模过程，最后应用c语言，编制了智能诊断的实现软 件 。 关键词：注塑件；人工神经网络；缺陷分析；智能诊断 中图分类号：TP319 文献标识码：B Abstract：Thebugsymptoms—rexesontableofinjectionpartsisconcluded．Usingartificialneural networkdoestheforwarddiagnosistoinjectionpartsbug．A modelofBPneuralnetworkis constructed、Atlast，thesoftware ofintelligencediagnosisiscompiledbyC language． Keywords：injectionparts；artificialneuralnetwork；bug analysis；intellgiencediagnosis 诊断中应用的可行性。 0 引 言 1 人工神经网络模型的建立 塑料具有 比重小，化学稳定性好，电绝缘性能 高，比强度大等优异性能。因此广泛地应用于现 通过对神经元结构的研究，人们提出了多种 代工业和 日常生活之中。塑料原材料经注塑成型 人工神经网络结构模型，如Hopfield网络、前向多 工艺而成注塑件，这一过程 由物料准备、设备选 层神经网络、自适应共振理论 (ART)模型等，在 用、注塑模具设计和制造、以及注塑成型工艺操作 诊断领域中用得最多也最有成效的是前向多层神 等环节组成。每个环节均可造成注塑件产生缺 经网络模型。由于该网络在学习(训练)过程中采 陷，而要由缺陷征兆判断出原因所在往往比较困 用了误差后向传播算法 (ErrorBackPropagation 难，需要有丰富的经验和专业人才。 Arithmetic，BP)，故又称为 BP网络。典型的三 传统的缺陷诊断专家系统是基于符号运算 层BP网络结构如图 1所示，它 由输人层、隐含层 的，事先需要建立推理规则知识库，容易出现 “知 和输出层组成，层与层之间采用垒互连方式，同一 识瓶颈”和 “组合爆炸”等问题，已不能适应诊断要 层单元之间不存在相互连接。 求，于 是，基于数 值运算 的人工 神经 网络 BP网络各层 内的所有神经元与其相邻层的 (ArtificialNeuralNetwork，ANN)缺陷或故障诊 神经元的连接强度用权值表示，权值通过已知输 断技术应运而生l1。 目前，用得较多的是BP神 入和输出信息的训练样本 ，对网络的训练和学习 经网络。结构十分简单。BP网络运行所需要的 进行调节 这种调节通过 BP算法来实现。BP 知识规则是由训练样本学习后存储在网络的连接 算法是一种误差修正型学习算法，它由正向传播 权值中的，具有极强的非线性映射能力和容错性 和反向传播过程组成。在正向传播过程中，输人 能。本文探讨了人工神经网络技术在注塑件缺陷 信息从输入层通过作用函数后，逐层向隐含层、输 收稿 日期 ：20