[發(fā)明專利]一種液壓機加工工藝的模擬方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710586939.4
• 申請日: 2017-07-18
• 公開（公告）號: CN107357997A
• 公開（公告）日: 2017-11-17
• 發(fā)明（設(shè)計）人: 陸效農(nóng);張強;楊善林;彭張林;王婉瑩;王安寧
• 申請（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號: G06F17/50
• 分類號: G06F17/50;B30B15/16;B30B15/26
• 代理公司: 北京高沃律師事務(wù)所11569
• 代理人: 王戈

技術(shù)領(lǐng)域

本發(fā)明涉及液壓機智能控制領(lǐng)域，特別涉及一種液壓機加工過程的模擬方法及系統(tǒng)。

背景技術(shù)

液壓機是一種重要的零件加工機床，被廣泛應(yīng)用于各類金屬及非金屬的加工成形中。液壓機以液體作為工作介質(zhì)實現(xiàn)能量的傳遞，通過對坯件施加強大的壓力使其發(fā)生形變來完成其成形加工工藝。液壓機的控制精度將直接影響到零件生產(chǎn)加工的質(zhì)量和成品率等指標(biāo)。目前，大部分液壓機控制方式都是根據(jù)大量生產(chǎn)經(jīng)驗歸納總結(jié)得到，并沒有建立特定的系統(tǒng)模型，這種方法很難進行擴展和推廣，且將難以適應(yīng)未來的定制化柔性生產(chǎn)模式。建立液壓機的精確模型，可以為優(yōu)化其控制過程提供理論基礎(chǔ)，具有重要意義。

建立液壓機的模型，一種解決方案是采用機理建模結(jié)合線性定常系統(tǒng)辨識的方法。機理建模，即利用各種數(shù)學(xué)方程來描述液壓機工作過程，具體是根據(jù)液壓機固有參數(shù)(液壓缸截面積、液壓泵排量、供油壓力等等)，利用力學(xué)原理進行一系列的復(fù)雜公式推導(dǎo)和簡化，得到的是系統(tǒng)的二階線性模型。然而，由于液壓機的工作工況相對其他機械加工設(shè)備更加復(fù)雜多變，是復(fù)雜的非線性時變系統(tǒng)，通過傳統(tǒng)的數(shù)學(xué)建模方法獲得的系統(tǒng)模型與其實際工況下工作過程有很大的誤差。

發(fā)明內(nèi)容

本發(fā)明的目的是，為了提高液壓機的加工工藝的模擬精度，提供一種液壓機加工工藝的模擬方法及系統(tǒng)。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種液壓機加工工藝的模擬方法，包括如下步驟：

建立液壓機加工過程中的每個工藝過程的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)；

采集液壓機加工過程的每個工藝過程的輸入向量和輸出向量，獲得訓(xùn)練樣本；

根據(jù)所述訓(xùn)練樣本，設(shè)置初始參數(shù)，對所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直到每個工藝過程的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)與該徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)所對應(yīng)的工藝過程的實際工況誤差小于設(shè)定值，得到液壓機加工工藝模型；

根據(jù)液壓機加工過程的實際輸入向量，采用所述液壓機加工工藝模型，進行所述液壓機加工工藝的模擬。

可選的，所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，所述建立液壓機加工過程中的每個工藝過程的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，具體包括：

采用公式x＝[y(k-1),…,y(k-n_y)；u(k),u(k-1),…,u(k-n_u)；j；k]計算輸入層的網(wǎng)絡(luò)輸入；其中，y(k)，u(k)分別為第k次采樣得到的輸出向量、輸入向量，n_y和n_u分別為輸出和輸入的最大延遲；j表示液壓機系統(tǒng)在第j個工藝過程；

采用計算隱含層的的激勵函數(shù)；其中，c_m為第m個徑向基函數(shù)的中心點向量，G為Gauss函數(shù)，σ_m為第m個徑向基函數(shù)的特征參數(shù)；M為隱含層神經(jīng)元個數(shù)；

采用公式b＝[y_M(k)]和公式計算輸出層的網(wǎng)絡(luò)輸出；其中，w_m為隱含層與輸出層單元間權(quán)重。

可選的，所述根據(jù)所述訓(xùn)練樣本，設(shè)置初始參數(shù)，對所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，直到每個工藝過程的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)與該徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)所對應(yīng)的工藝過程的實際工況誤差小于設(shè)定值，具體包括：

步驟1，設(shè)置所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中的參數(shù)的初始值；所述參數(shù)包括中心點向量c_m、特征參數(shù)σ_m和隱含層與輸出層單元間權(quán)重w_m；

步驟2，根據(jù)所述訓(xùn)練樣本中的輸入向量和輸出向量確定所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)輸入；

步驟3，根據(jù)所述網(wǎng)絡(luò)輸入計算網(wǎng)絡(luò)輸出；

步驟4，計算所述訓(xùn)練樣本中的輸出向量和所述網(wǎng)絡(luò)輸出的誤差，判斷所述誤差是否小于所述設(shè)定值，若否，則執(zhí)行步驟5，若是，則結(jié)束訓(xùn)練；

步驟5，基于學(xué)習(xí)算法，調(diào)整徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中的參數(shù)，返回步驟2。

可選的，所述基于學(xué)習(xí)算法，調(diào)整徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中的參數(shù)，具體包括：

根據(jù)各徑向基函數(shù)的中心之間的距離確定各徑向基函數(shù)的中心與其它徑向基函數(shù)中心的最小距離作為各徑向基函數(shù)對應(yīng)的擴展常數(shù)；

根據(jù)所述輸出向量和所述網(wǎng)絡(luò)輸出的誤差，計算網(wǎng)絡(luò)輸出和輸出向量的均方誤差作為誤差梯度的代價函數(shù)；

根據(jù)所述擴展常數(shù)和所述代價函數(shù)，在誤差梯度的負(fù)方向以設(shè)定的學(xué)習(xí)率調(diào)整所述徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中的參數(shù)。

一種液壓機加工工藝的模擬系統(tǒng)，包括徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)建立模塊、數(shù)據(jù)采集模塊、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊、液壓機加工工藝模擬模塊；