基于RBF神經(jīng)網(wǎng)絡(luò)的難加工金屬材料數(shù)控加工控制方法研究

姚嬌鳳

（西安鐵路職業(yè)技術(shù)學(xué)院，陜西西安 710014）

隨著社會(huì)經(jīng)濟(jì)和現(xiàn)代化機(jī)械工業(yè)的快速發(fā)展，各個(gè)領(lǐng)域?qū)σ恍┲匾悴考牧系牧W(xué)性能和機(jī)械性能的硬度、強(qiáng)度、抗磨性、耐熱性、抗壓強(qiáng)度和抗拉強(qiáng)度等要求在不斷提高，只有像高溫合金、奧氏體不銹鋼、硬質(zhì)合金、鈦合金等一系列具有耐高溫、耐腐蝕、可承受復(fù)雜應(yīng)力、耐熱度強(qiáng)、高功能性、高硬度的優(yōu)良物理機(jī)械性能的金屬材料才能符合零部件材料要求。對(duì)這些材料進(jìn)行高效加工直接關(guān)系到航天航空、汽車制造等重要工業(yè)的整體水平和發(fā)展速度。為滿足制造要求，選用的材料必須具有高韌性、高耐磨性、高硬度等特性，因此加工這些特性材料的難度也較大。在加工難加工金屬的初期階段，人們較為普遍地采用BP算法的人工神經(jīng)來(lái)控制數(shù)控加工。

因BP算法難以按照難加工金屬材料在加工過(guò)程中的變形、振動(dòng)產(chǎn)生的實(shí)際誤差來(lái)確定較好的初始值，所以在很大程度上限制了其在切削加工誤差型建模中的應(yīng)用。而且，由于BP算法的前傳多層感知器網(wǎng)絡(luò)在初始化時(shí)的隨機(jī)性，使得BP算法存在很多不足，BP算法常常需要成千上萬(wàn)次的迭代，增加了訓(xùn)練樣例維數(shù)，導(dǎo)致網(wǎng)絡(luò)性能變差、收斂速度太慢；每當(dāng)加入新樣例時(shí)，就會(huì)對(duì)已學(xué)習(xí)過(guò)的樣例產(chǎn)生影響；BP算法會(huì)出現(xiàn)局部極小問(wèn)題，因?yàn)樗捎昧藬?shù)學(xué)中一梯度最速下降法，這種算法不是求問(wèn)題的解。RBF算法，它是一種具有單隱層的三層前饋網(wǎng)絡(luò)反向傳播算法。RBF算法解決了BP網(wǎng)絡(luò)的局部極小和收斂滿等難題?；赗BF神經(jīng)網(wǎng)絡(luò)的難加工金屬材料數(shù)控加工控制的方法是非常有效的。它采用RBF神經(jīng)網(wǎng)絡(luò)模型描述難加工金屬材料數(shù)控加工的性能和參數(shù)的映射關(guān)系，按照加工參數(shù)和結(jié)果的映射關(guān)系建模，數(shù)控加工控制難加工金屬材料。

1 難加工金屬材料的數(shù)控加工

難加工金屬材料是指高溫合金、高強(qiáng)度鋼、高錳鋼、鈦合金、不銹鋼等難以進(jìn)行切削加工的材料。難加工材料是組織致密、純度高的奧氏體固溶體合金，它含有多高熔點(diǎn)合金元素。它不利于熱平衡，導(dǎo)熱系數(shù)低，對(duì)刀具的耐用度也產(chǎn)生直接影響。在一定的溫度范圍內(nèi)仍可以保持相當(dāng)高的強(qiáng)度和硬度。而且，高合金化材料原子間的結(jié)合非常穩(wěn)定，所以沉淀硬化相呈彌散分布。這些都是難加工材料所具有的特性。由于材料的加工性差，在切削時(shí)使加工表面質(zhì)量差，或者刀具卷屑困難、壽命縮短。其加工的特性體現(xiàn)在：在切削熱作用下，像鈦合金等的難加工材料高溫化學(xué)活性高，導(dǎo)致工作表層的硬度和強(qiáng)度增大，切削力增大，韌性下降，切屑容易生產(chǎn)鈦的氧化物；切削刀具容易發(fā)生擴(kuò)撒磨損和粘附磨損，切削溫度在750至1000攝氏度的高溫下，刀具耐用度下降，并產(chǎn)生嚴(yán)重的養(yǎng)護(hù)磨損和擴(kuò)撒磨損；已加工表面的硬度在切削高溫作用下達(dá)到基體硬度的二百至五百倍；因難加工材料的熱導(dǎo)率低，導(dǎo)熱性能差，切削時(shí)產(chǎn)生的溫度高，使且小區(qū)溫度升高，大量的切削熱量難以傳導(dǎo)至材料的內(nèi)部，造成工件表面出現(xiàn)裂紋、燒傷、劃痕等質(zhì)量問(wèn)題。難加工材料的強(qiáng)度較高，與切削普通材料相比，在大切削力作用下，在切削難加工材料時(shí)消耗于塑性變形的能量大，其切削力約為三至四倍。因?yàn)殡y加工金屬材料的特點(diǎn)，使其在加工制作過(guò)程中的數(shù)據(jù)處理和質(zhì)量控制存在很多影像因素和不確定性。還應(yīng)注意工件材料與刀具材料在物理、化學(xué)、力學(xué)等個(gè)方面的合理配合，才能有效提高切削加工的質(zhì)量。

2 難加工材料數(shù)控加工RBF控制方法

難加工材料工件的精度除了受刀具及控制系統(tǒng)運(yùn)動(dòng)參數(shù)的影響外，還受到控制系統(tǒng)性能和自身特性的影響。在加工控制普通材料前，一般都先確定加工參數(shù)，但是，加工難加工材料的工況參數(shù)容易根據(jù)材料的情況產(chǎn)生變化，所以，預(yù)期的加工參數(shù)已不適應(yīng)情況的變化，為收到穩(wěn)定、優(yōu)質(zhì)的加工效果，需要給CNC控制器提供實(shí)時(shí)優(yōu)化加工參數(shù)。要向完成對(duì)難加工材料加工過(guò)程實(shí)時(shí)檢測(cè)，只有把RBF人工神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)監(jiān)控回路應(yīng)用到數(shù)控系統(tǒng)中去。這種處理方法簡(jiǎn)單有效，運(yùn)行速度快，充分地利用了連續(xù)方式學(xué)習(xí)及并行式處理信息的特點(diǎn)。難加工材料神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)監(jiān)控?cái)?shù)控系統(tǒng)如圖1所示：

在系統(tǒng)運(yùn)行中，難加工材料神經(jīng)網(wǎng)絡(luò)智能控制數(shù)控加工系統(tǒng)能夠監(jiān)測(cè)被控對(duì)象的工作狀態(tài)，自學(xué)習(xí)和自組織的功能檢測(cè)影響加工精度的參數(shù)，加工系統(tǒng)外部環(huán)境及內(nèi)部狀態(tài)的變化，一旦檢測(cè)到加工狀態(tài)發(fā)生變化，系統(tǒng)則會(huì)自主對(duì)各種加工參數(shù)進(jìn)行實(shí)時(shí)控制，確保加工過(guò)程處于最佳狀態(tài)，來(lái)完成難加工材料加工過(guò)程的自適應(yīng)控制。為避免建立復(fù)雜的數(shù)學(xué)模型，難加工材料神經(jīng)網(wǎng)絡(luò)智能控制數(shù)控加工系統(tǒng)采用磁電轉(zhuǎn)速傳感器SZMB一9檢測(cè)轉(zhuǎn)速，速度傳感器M317069檢測(cè)速度。數(shù)控加工系統(tǒng)中部分功能模塊可以創(chuàng)立數(shù)學(xué)模型，采用控制理論實(shí)施控制，它是機(jī)電一體化的復(fù)雜被控對(duì)象。難加工金屬材料的加工過(guò)程和有關(guān)工藝不能創(chuàng)立精確的數(shù)學(xué)模型，為了達(dá)到控制方法不可能實(shí)現(xiàn)的效果，則導(dǎo)入模糊控制的思想。系統(tǒng)采用了雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，可以利用模糊控制策略來(lái)實(shí)現(xiàn)對(duì)加工過(guò)程的最優(yōu)化控制。難加工材料神經(jīng)網(wǎng)絡(luò)智能控制數(shù)控系統(tǒng)的基本原理如圖2所示：

圖1 難加工材料神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)監(jiān)控系統(tǒng)

圖2 難加工材料神經(jīng)網(wǎng)絡(luò)智能控制數(shù)控系統(tǒng)的基本原理

神經(jīng)網(wǎng)絡(luò)模型對(duì)不是樣本集中的輸入同樣能給出合適的輸出。該網(wǎng)絡(luò)系統(tǒng)能夠增加新樣本繼續(xù)學(xué)習(xí)以及提高學(xué)習(xí)的精度，從而實(shí)現(xiàn)控制難加工金屬材料數(shù)控加工精度，使現(xiàn)實(shí)加工系統(tǒng)和虛擬模型接近，達(dá)到獲得高質(zhì)量產(chǎn)品及降低加工成本的目的，增加了難加工材料的加工效率。該神經(jīng)網(wǎng)絡(luò)模型的基本單元是具有代表性的神經(jīng)元結(jié)構(gòu)化模型，它依據(jù)模擬神經(jīng)細(xì)胞感知外界信息的工作原理，實(shí)現(xiàn)對(duì)輸入模式的較復(fù)雜的分類。對(duì)于線性不可分的輸入模式而言，單層感知器網(wǎng)絡(luò)不能夠正確區(qū)分，只能通過(guò)多層的組合來(lái)實(shí)現(xiàn)。多個(gè)感知器構(gòu)成多層感知器神經(jīng)網(wǎng)絡(luò)，利用層狀聯(lián)結(jié)的方式傳遞信息。修改各感知器之間的權(quán)值來(lái)減小難加工金屬材料的加工目標(biāo)函數(shù)值誤差。如果，輸出層不能獲得預(yù)期的的輸出，按照原來(lái)的網(wǎng)絡(luò)通路誤差信號(hào)呈反向下降。對(duì)比分析了難加工材料傳統(tǒng)數(shù)控加工方法與難加工材料數(shù)控加工RBF神經(jīng)網(wǎng)絡(luò)控制方法后，應(yīng)用難加工材料數(shù)控加工RBF神經(jīng)網(wǎng)絡(luò)監(jiān)控系統(tǒng)，能夠得到加工工件的加工精度。加工工件的圓度誤差可以使用凸輪軸檢查儀來(lái)測(cè)量，再采用超級(jí)表面粗糙度輪廓儀測(cè)量表面粗糙度。從加工工件上任意選取二十四個(gè)測(cè)試點(diǎn)，然后選出其中八個(gè)最大的數(shù)據(jù)對(duì)比分析，難加工材料傳統(tǒng)數(shù)控加工方法的加工工件表面粗糙度的誤差和對(duì)難加工材料數(shù)控加工進(jìn)行RBF神經(jīng)網(wǎng)絡(luò)控制的加工工件表面粗糙度的誤差如圖3所示，

圖3 難加工材料數(shù)控加工RBF神經(jīng)網(wǎng)絡(luò)控制應(yīng)用效果

從對(duì)圖3的對(duì)比可以看出，表面粗糙度的平均誤差降低了百分之五十以上。難加工材料傳統(tǒng)數(shù)控加工方法的加工工件圓度誤差范圍在2.5-8.5μm，而難加工材料數(shù)控加工進(jìn)行RBF神經(jīng)網(wǎng)絡(luò)控制的加工工件圓度誤差范圍在1.0-2.3μm，圓度平均誤差降低百分之以上。由此可見，要想提高工件加工精度就必須對(duì)難加工材料數(shù)控加工進(jìn)行RBF神經(jīng)網(wǎng)絡(luò)控制。

[1]曾誼暉，左青松，李翼德，黃紅華，陳恒，王亞風(fēng)，基于RBF神經(jīng)網(wǎng)絡(luò)的難加工金屬材料數(shù)控加工控制方法研究[J].湖南大學(xué)學(xué)報(bào)自然科學(xué)版，2011(4).

[2]謝建新，難加工金屬材料短流程高效制備加工技術(shù)研究進(jìn)展[J].中國(guó)材料進(jìn)展，2010(11).

[3]余捷，2012中國(guó)國(guó)際金屬加工展覽會(huì)新聞發(fā)布會(huì)在南京舉行[J].制造技術(shù)與機(jī)床，2012(6).

[4]莫欣達(dá)，鋁擠壓工業(yè)：各國(guó)發(fā)展前景不一中國(guó)因素影響巨大——赴意大利參加2012年歐洲國(guó)際金屬加工展覽會(huì)有感[J].世界有色金屬，2012(9).

[5]呂曉峰，機(jī)械超效能為我豪客能——訪山東華云機(jī)電科技有限公司總經(jīng)理趙顯華先生[J].數(shù)控機(jī)床市場(chǎng)，2012(8).