注塑件缺陷智能诊断中的混合推理技术.pdfVIP

维普资讯 16 DieandMouldTechnologyNo．12002 文章编号：1001—4934(2002)01—0016—03 注塑件缺陷智能诊断中的混合推理技术 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——原因表，描述了BP神经网络的建模过程，指 出了 正向推理技术存在的不足，提出了应用人工神经网络技术对往塑件缺陷进行混合诊断的方法． 最后应用c语言，编制 了智能诊断的实现软件。 关键词 ：人工神经网络；注塑件 ；缺陷智能诊断；混合推理 中图分类号：TG24l 文献标识码 ：B Abstract：Thecommonfaultsyrnptom~reasontableofinjectionpartsisconcluded，andamodelof BPneura]networkisconstructed Thedisadvantageoftheforwarddiagnosisforinjectionpart faultisindicatedmadmixeddiagnosisforinjcetionpartsfaultsareputforwardbvusingartificial neuralnetwork Atlast，thesoftwraeon intelligencediagncsisiscomplide byCLanguage． Keywords：artificialneura[network；i~ecdonparts：fauh-intelligeneediagncsis；mixed-reon． ingtechnology 模式(即缺陷征兆)中的每个元素并不都是 已知 0 引言 的 有些元素是未知 的，显然 在 已知事实不充分 的情况下，采用正 向推理 的方法是不行 的，推出的 塑料广泛地应 用于现代 工业和 日常生 活之 诊断结果可信度不高，因此本文发展了一种新的 中，塑料原材料经注塑成型工艺而成注塑件，这一 缺陷智能诊断技术，即混合推理技术。 过程 由物料准备 、设备选用 、注塑模具设计和制 造、以及注塑成型工艺操作等环节组成 每个环 1 人工神经网络模型的建立 节均可造成注塑件产生缺陷，而要 由缺陷征兆一 下判断出原因所在往往 比较困难 ，需要有丰富的 通过对神经元结构 的研究，人们提 出了多种 经验和专业人才 人工神经网络结构模型，在缺陷诊断领域中用得 传统 的缺 陷诊断专家系统是基于符号运算 最多也最有成效 的是前 向多层神经 网络模型 。由 的，事先需要建立推理规则知识库 ，容易出现 “知 于该网络在学习(训练)过程中采用了误差后向传 识瓶颈 ”和 “组合爆炸”等问题 ，已不能适应诊断要 播算法(ErrorBackPropagationArithmetic，BP)， 求，于是，基于数值运算的人工神经网络 (Artifi— 故又称为 BP网络。典型的三层 BP网络结构如 cialNeuralNetwork，ANN)缺陷或故障诊断技术 图l所示，它由输入层、隐台层和输出层组成，层 应运而 生 与层之问采用全互连方式 ，同一层单元之 间不存 曾用正 向推理方法探讨 r人工神经 网络技术 在相互连 接 在注塑件缺 陷诊断 中应用的可行性 ，但这种方 BP网络各层 内的