吳會(huì)敏 朱清智

?

基于神經(jīng)網(wǎng)絡(luò)的液壓滾切剪剪切力預(yù)報(bào)模型

吳會(huì)敏 朱清智

（河南工業(yè)職業(yè)技術(shù)學(xué)院 河南南陽473000）

通過分析滾切剪的工作過程，選擇數(shù)學(xué)模型與神經(jīng)網(wǎng)絡(luò)型相結(jié)合的乘法網(wǎng)絡(luò)，設(shè)計(jì)了基于BP神經(jīng)網(wǎng)絡(luò)的液壓滾切剪剪切力預(yù)報(bào)模型。通過對(duì)切入階段和滾切階段剪切力的數(shù)學(xué)模型計(jì)算值、實(shí)測(cè)值和預(yù)報(bào)值的比較，證明了由該剪切力預(yù)報(bào)模型計(jì)算的剪切力精度有了很大提高。

BP神經(jīng)網(wǎng)絡(luò) 液壓滾切剪 剪切力預(yù)報(bào)模型

傳統(tǒng)的液壓剪切機(jī)是中厚板生產(chǎn)線上的重要設(shè)備，完成對(duì)軋件的切頭、切尾、切定尺、取樣[1]。生產(chǎn)線上大多數(shù)采用斜刃剪，其上剪刃是傾斜的，有利于減小剪切力，但是剪后的鋼板有橫向彎曲、斷面塌角等缺陷[2]。滾切剪有效地解決踏角和“啃傷”缺陷問題，而且剪切斷面好，是中厚板生產(chǎn)線不可缺少的剪切設(shè)備[3]。

隨著對(duì)鋼板質(zhì)量要求的提高，鋼板種類日益增多。當(dāng)滾切剪需要剪切一個(gè)新的鋼種時(shí)，滾切剪機(jī)需要承受多大的剪切力、是否超出了設(shè)備的加工能力，目前都是根據(jù)以往經(jīng)驗(yàn)預(yù)估計(jì)剪切力的大小，這種方式可靠性很低，容易造成設(shè)備的損壞和財(cái)產(chǎn)損失[4]。本文以某鋼鐵公司2 800 mm生產(chǎn)線定尺滾切剪的改造項(xiàng)目為依托，采用BP神經(jīng)網(wǎng)絡(luò)與數(shù)學(xué)模型相結(jié)合，設(shè)計(jì)了全液壓滾切剪剪切力預(yù)報(bào)模型，仿真結(jié)果表明可以有效提高剪切力的計(jì)算精度。

1 液壓滾切剪最大剪切力公式的推導(dǎo)

滾切剪為上切式，由液壓站帶動(dòng)左右兩個(gè)和機(jī)架鉸接的臥式液壓缸，推動(dòng)左右兩個(gè)連桿，兩個(gè)液壓缸按照設(shè)定的位置與速度曲線移動(dòng)，帶動(dòng)上刀架實(shí)現(xiàn)純滾動(dòng)剪切運(yùn)動(dòng)[5]。剪切過程主要有三個(gè)階段：切入階段、滾切階段、切離階段。滾切剪最重要的剪切過程是切入和滾切階段。在切入階段鋼板經(jīng)歷彈性壓入到塑性滑移的過程，在滾切階段經(jīng)歷彈塑性壓入到裂紋擴(kuò)展的過程[6]，這兩個(gè)過程截然不同。滾切剪切入階段最大剪切力公式為：

滾切剪滾切階段最大剪切力公式為：

2 基于BP神經(jīng)網(wǎng)絡(luò)的剪切力預(yù)報(bào)模型的設(shè)計(jì)

2.1 基于BP神經(jīng)網(wǎng)絡(luò)的剪切力預(yù)報(bào)模型工作原理

液壓滾切剪剪切力修正模型原理圖，如圖1所示。剪切噸位由用戶輸入，鋼板的材料性能在板材庫(kù)中查詢得到，鋼板的厚度、寬度由通信模塊得到，作為BP網(wǎng)絡(luò)輸入值；BP網(wǎng)絡(luò)經(jīng)過前向計(jì)算得出網(wǎng)絡(luò)的輸出值送到數(shù)學(xué)模型中，計(jì)算后得到預(yù)報(bào)剪切力，根據(jù)實(shí)測(cè)剪切力與預(yù)報(bào)剪切力的差值采用反向傳播算法來修正權(quán)值，直到預(yù)報(bào)值達(dá)到精度要求，然后將最終的預(yù)報(bào)值存入到經(jīng)驗(yàn)知識(shí)庫(kù)中。

圖1 液壓滾切剪剪切力預(yù)報(bào)模型原理圖

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的剪切力預(yù)報(bào)模型的結(jié)構(gòu)設(shè)計(jì)

1）輸入輸出層的確定

2）網(wǎng)絡(luò)結(jié)構(gòu)確定

網(wǎng)絡(luò)的訓(xùn)練樣本主要來自生產(chǎn)線上的實(shí)測(cè)數(shù)據(jù)和專家提供的經(jīng)驗(yàn)數(shù)據(jù)。在訓(xùn)練本網(wǎng)絡(luò)時(shí)，共選擇樣本值500組，其中450組參加訓(xùn)練作為訓(xùn)練樣本，50組不參加訓(xùn)練作為網(wǎng)絡(luò)的檢測(cè)樣本。

借助Matlab平臺(tái)構(gòu)建神經(jīng)網(wǎng)絡(luò)，對(duì)具有不同隱含層結(jié)構(gòu)的BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練。通過比較網(wǎng)絡(luò)的全局誤差來判斷最佳的隱含層結(jié)構(gòu)。

本文對(duì)不同隱含層結(jié)構(gòu)的網(wǎng)絡(luò)都訓(xùn)練了10次，取誤差最小的一次作為實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果如表1所示，由表可知：具有三個(gè)隱層的神經(jīng)網(wǎng)絡(luò)具有最好的收斂性；隱層節(jié)點(diǎn)數(shù)為8個(gè)時(shí)，神經(jīng)網(wǎng)絡(luò)的收斂性最好。所以，確定剪切力預(yù)報(bào)模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有三個(gè)隱層，每個(gè)隱層節(jié)點(diǎn)數(shù)是8個(gè)。

表1 不同隱含層結(jié)構(gòu)BP網(wǎng)絡(luò)訓(xùn)練的全局誤差

剪切力預(yù)報(bào)模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，如圖2所示。

圖2 剪切力預(yù)報(bào)模型的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3 BP神經(jīng)網(wǎng)絡(luò)在MATLAB中的實(shí)現(xiàn)

MATLAB環(huán)境下，五層BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)程序如下：

A=load(‘D:PmgramFilesMATLABworkin.txt’)；

A=A’；%輸入樣本

B=load(‘D:Pmgram FilesMATLABworkout.txt’)；

B=B’；%輸出樣本

Para.Goal=0.0001；%網(wǎng)絡(luò)訓(xùn)練目標(biāo)誤差

Para.Epochs=1000；%網(wǎng)絡(luò)訓(xùn)練代數(shù)

Para.LearnRate=0.1；%網(wǎng)絡(luò)學(xué)習(xí)速率

Para.Show=10；%網(wǎng)絡(luò)訓(xùn)練顯示間隔

Para.LearnFcn=‘learngdm’；%網(wǎng)絡(luò)學(xué)習(xí)函數(shù)

Para.PerformFcn=‘mse’；%網(wǎng)絡(luò)的誤差函數(shù)

Para.InNum=size（Input，1）；%輸出量維數(shù)

Net=newff（minmax（A），[8 8 8 1]，{‘tansig’，‘tansig’，‘tansig’，‘purelin’}，‘trainlm’）； %創(chuàng)建一個(gè)5層BP神經(jīng)網(wǎng)絡(luò)，隱含層節(jié)點(diǎn)數(shù)分別為8,8,8，輸出層節(jié)點(diǎn)數(shù)為1

Net.train Param.show= Para.Show；%訓(xùn)練顯示間隔賦值

Net.train Param.goal= Para.Goal；%訓(xùn)練目標(biāo)誤差賦值

Net.train Param.lr= Para.LearnRate；%網(wǎng)絡(luò)學(xué)習(xí)速率賦值

Net.train Param.epochs= Para.Epochs；%網(wǎng)絡(luò)訓(xùn)練代數(shù)賦值

夜里她一直在書房看稿子。厚厚一摞打印稿，她需要在睡覺以前看完。天氣悶熱，大雨傾盆，念蓉起身，去陽臺(tái)關(guān)好窗子。楚墨還沒有回來，兩個(gè)小時(shí)以前她給楚墨打電話，楚墨說他正在與朋友吃飯。電話里聲音嘈雜，隔著電話念蓉也能聞到濃重的酒精氣味。念蓉問他：“要不要我過去幫你把車開回來？”楚墨大著舌頭說：“我不開車，我飛回去?！?/p>

[Net，tr]=train（net，A，B）；%訓(xùn)練網(wǎng)絡(luò)

T=load（D:Pmgram FilesMATLABwork est-in.txt’)；

%樣本測(cè)試

T=T’； %測(cè)試樣本輸入

M=load(‘D:Pmgram FilesMATLABwork est-out.txt’);

M=M’； %測(cè)試樣本輸出

y=sim（Net，T）；％計(jì)算訓(xùn)練樣本輸出值。

采用500組訓(xùn)練樣本，剪切力模型BP網(wǎng)絡(luò)在235次訓(xùn)練后收斂，其網(wǎng)絡(luò)訓(xùn)練誤差曲線圖如圖3所示。

圖3 剪切力預(yù)報(bào)模型BP網(wǎng)絡(luò)誤差曲線

4 液壓滾切剪剪切力預(yù)報(bào)模型的實(shí)現(xiàn)

在Labview編程環(huán)境中，滾切剪剪切力預(yù)報(bào)模型操作界面如圖4所示。

圖4 液壓滾切剪最大剪切力預(yù)報(bào)模塊操作界面

利用網(wǎng)絡(luò)修正后的剪刃間隙和刀磨鈍系數(shù)預(yù)報(bào)切入階段和滾切階段剪切力，然后用數(shù)學(xué)模型計(jì)算剪切力，兩者分別于實(shí)測(cè)值進(jìn)行對(duì)比，用曲線圖顯示，橫坐標(biāo)表示樣本點(diǎn)序號(hào)，縱坐標(biāo)表示樣本誤差值。切入階段和滾切階段剪切力預(yù)報(bào)模型誤差曲線分別如圖5和圖6所示。

圖5 切入階段剪切力誤差曲線圖

圖6 滾切階段剪切力誤差曲線圖

分析圖5和圖6可得出以下結(jié)論：切入階段剪切力公式計(jì)算值與實(shí)測(cè)值相比誤差在10.2%～16.7%之間，網(wǎng)絡(luò)模型預(yù)報(bào)值與實(shí)測(cè)值的誤差在3.6%～6%之間；滾切階段剪切力公式計(jì)算值與實(shí)測(cè)值相比誤差在9.3%～16.8%之間，網(wǎng)絡(luò)模型預(yù)報(bào)值與實(shí)測(cè)值的誤差在3.8%～6.4%之間。預(yù)報(bào)誤差遠(yuǎn)遠(yuǎn)小于計(jì)算誤差，將BP神經(jīng)網(wǎng)絡(luò)運(yùn)用到滾切剪的剪切力預(yù)報(bào)模型，確實(shí)可以大大減小計(jì)算誤差，通過剪切力預(yù)報(bào)模型計(jì)算出的剪切力可以作為評(píng)量滾切剪工作能力的可靠依據(jù)。

5 結(jié)語

通過對(duì)剪刃間隙和刀磨鈍造成影響因素的分析，確定BP網(wǎng)絡(luò)的修正系數(shù)——剪刃間隙和刀磨鈍系數(shù)，建立了BP網(wǎng)絡(luò)的剪切力預(yù)報(bào)模型，并在Labview開發(fā)環(huán)境下得以實(shí)現(xiàn)。仿真結(jié)果表明，該剪切力預(yù)報(bào)模型計(jì)算的剪切力精度有了很大提高。

[1] 許石民,孫登月.板帶材生產(chǎn)工藝及設(shè)備[M].北京:冶金工業(yè)出版社,2008.

[2] 黃慶學(xué),肖宏,孫斌煜.軋鋼機(jī)械設(shè)計(jì)[M].北京:冶金工業(yè)出版社,2006．

[3] 黃慶學(xué),馬立峰,李進(jìn)寶等.新型滾切剪非對(duì)稱曲柄機(jī)構(gòu)原理[J].機(jī)械工程學(xué)報(bào),2008,44(5):119-123.

[4] 藏登月.液壓滾切剪剪切力預(yù)報(bào)模型及遠(yuǎn)程監(jiān)測(cè)系統(tǒng)研究[D].太原:太原科技大學(xué),2013.

[5] 李遠(yuǎn)明,冀俊杰,馬立峰.新一代液壓滾切剪技術(shù)的研究及應(yīng)用[J].重型機(jī)械,2010(3):8-10.

[6] 張繼東,楚志兵,常瑜.滾切剪最大剪切力計(jì)算公式的研究[J].重型機(jī)械,2010(5):59-62.