基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的銑刀磨損監(jiān)控技術(shù)的研究
發(fā)布日期:2022-12-22
神經(jīng)網(wǎng)絡(luò)作為監(jiān)控系統(tǒng)狀態(tài)識(shí)別的一種方法，具有很強(qiáng)的自適應(yīng)能力、容錯(cuò)能力、魯棒性和高度的并行運(yùn)算能力。這些特點(diǎn)使得該方法在信號(hào)處理(包括模式識(shí)別和智能控制)領(lǐng)域得到了普遍的應(yīng)用，并取得了良好的控制效果。研究中采用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)作狀態(tài)識(shí)別。徑向基函數(shù)采用高斯函數(shù)，高斯函數(shù)的中心和方差通過 fuzzy-C 模糊聚類來獲得。
1 特征生成
經(jīng)過對(duì)采集到的信號(hào)進(jìn)行研究發(fā)現(xiàn)，方差、最大譜峰值(200～600kHz)、一步自回歸系數(shù)和均方根值對(duì)磨損最敏感。
方差s2=(S(Xi-X)(Xi-X))/(N-1)
最大譜峰值200～600kHz
一步自回歸系數(shù)P=R1/R0，R1=SXIXI-1/N，R0=自相關(guān)系數(shù)
均方根值XRMS=(SXI2/N)½
2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
徑向基函數(shù)網(wǎng)絡(luò)只有一個(gè)隱層，輸出單元是線性求和單元，即輸出是各隱單元輸出的加權(quán)和。隱單元的作用函數(shù)用徑向基函數(shù)(RBF)，輸入到隱單元的權(quán)值固定為1，只有隱單元到輸出單元間的權(quán)值wj=(j=1，2，…，n)可調(diào)。最常用的徑向基函數(shù)是高斯函數(shù)，它的可調(diào)參數(shù)有兩個(gè)，即中心位置及方差(函數(shù)的寬度參數(shù))，用這類函數(shù)時(shí)整個(gè)網(wǎng)絡(luò)的可調(diào)參數(shù)有三組，分別為：各基函數(shù)的中心位置、方差和輸出單元的權(quán)值。
 圖1 徑向基函數(shù)(RBF)網(wǎng)絡(luò)結(jié)構(gòu)
徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
徑向基函數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)采用輸入層4個(gè)結(jié)點(diǎn)，隱層10個(gè)結(jié)點(diǎn)，輸出層1個(gè)結(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)。利用采集數(shù)據(jù)(設(shè)共N個(gè)樣本)的4個(gè)特征值(均方根值、方差、一步自相關(guān)系數(shù)和最大譜峰值200～600kHz)作為徑向基函數(shù)的輸入，輸出層結(jié)點(diǎn)為的磨損值。用模糊聚類Fuzzy C-劃分的方法將樣本組分成M 組，用每組的聚類中心作為各個(gè)基函數(shù)中心，基函數(shù)采用高斯函數(shù)，再以公式s=d/2M算出各中心的方差。最后通過最小二乘法算出各個(gè)權(quán)值。
3 實(shí)驗(yàn)結(jié)果
在實(shí)驗(yàn)中采用以下加工條件：①Ø4 高速鋼銑刀，轉(zhuǎn)速1120r/min，進(jìn)給速度15.68mm/min，切深5mm，工件采用球墨鑄鐵(24HRC)：～03 高速鋼銑刀，主軸轉(zhuǎn)速900r/min，刀架進(jìn)給速度12.6mm/min，切深3mm，工件采用45#調(diào)質(zhì)鋼(22HRC)。刀具磨損的測量為JGX-1小型工具顯微鏡，精度為0.01mm。
利用采集的72組數(shù)據(jù)(兩種切削條件下各采36組)的4個(gè)特征值(均方根值、方差、一步自相關(guān)系數(shù)和最大譜峰值 (200～600kHz))作為訓(xùn)練樣本，按照前面所述的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法，得到所需的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)：然后以另外20組數(shù)據(jù)(在切削條件①下獲得)作為測試樣本。
圖2是用于測試的20 組數(shù)據(jù)的磨損曲線(測試樣本的時(shí)間間隔為10s)。圖中 曲線是實(shí)際測量的刀具磨損值，Λ曲線是經(jīng)過徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)得到的值。
 圖2 神經(jīng)網(wǎng)絡(luò)測試曲線
 ○數(shù)據(jù)點(diǎn)：——A=T：……最佳逼近曲線圖3 線形回歸圖
表 RBF網(wǎng)絡(luò)與BP網(wǎng)絡(luò)性能比較
| 訓(xùn)練方法 |
網(wǎng)絡(luò)類型 |
訓(xùn)練時(shí)間(s) |
訓(xùn)練步數(shù) |
Fuzzy-C聚類算法
RBF網(wǎng)絡(luò)
1.20
7
改進(jìn)BP算法
BP網(wǎng)絡(luò)
130.42
2016
圖3 是徑向基函數(shù)網(wǎng)絡(luò)輸出與刀具的實(shí)際磨損值線形回歸圖。該圖中A是刀具的實(shí)際磨損值：T是RBF網(wǎng)絡(luò)的輸出。
由右表可知，RBF網(wǎng)絡(luò)的訓(xùn)練速度遠(yuǎn)遠(yuǎn)高于改進(jìn)算法的BP網(wǎng)絡(luò)。
4 結(jié)論
利用采集到信號(hào)的均方根值、方差、一步自相關(guān)系數(shù)和最大譜峰值(200～600kHz)為特征量，可以有效地估計(jì)出刀具磨損值。
在實(shí)時(shí)性方面，在主頻為166MHz 的微機(jī)上，從數(shù)據(jù)處理到徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的狀態(tài)識(shí)別(35ms)，所用時(shí)間總共約為200ms，而在實(shí)際應(yīng)用中，我們每次采集數(shù)據(jù)的時(shí)間間隔可以設(shè)為1s、2s等，因此，本研究能夠滿足實(shí)時(shí)性要求。
