基于支持向量機(jī)的遠(yuǎn)程磨加工報(bào)警系統(tǒng)的研究*

職占新，鄭 鵬

(鄭州大學(xué) 機(jī)械工程學(xué)院，鄭州 450001)

0 引言

隨著現(xiàn)代制造業(yè)的發(fā)展，對(duì)精密零件的加工質(zhì)量的要求越來越高。磨削加工是精密零件的重要加工環(huán)節(jié)，因此提升磨削加工過程的控制與檢測(cè)的自動(dòng)化程度，對(duì)精密零件的加工質(zhì)量有著重要的影響[5]。目前，國(guó)內(nèi)外眾多研究機(jī)構(gòu)已經(jīng)展開了利用機(jī)器學(xué)習(xí)的方法對(duì)零件磨削加工過程的控制與檢測(cè)進(jìn)行研究。例如利用神經(jīng)網(wǎng)絡(luò)算法對(duì)零件表面粗糙度和圓度進(jìn)行預(yù)測(cè)。但大多研究還僅僅停留在理論，并沒有應(yīng)用在實(shí)際加工中。

針對(duì)磨削加工中對(duì)加工尺寸誤差超出預(yù)設(shè)值范圍時(shí)報(bào)警的需求，設(shè)計(jì)了基于支持向量機(jī)的遠(yuǎn)程磨加工報(bào)警系統(tǒng)。該系統(tǒng)的尺寸預(yù)測(cè)是通過支持向量機(jī)利用已有加工參數(shù)對(duì)加工工件尺寸提前做出預(yù)測(cè)，并將預(yù)測(cè)尺寸與工件的加工尺寸比較，若工件尺寸預(yù)測(cè)尺寸超出預(yù)設(shè)值范圍，則報(bào)警系統(tǒng)發(fā)出報(bào)警提示。防止由于進(jìn)給速度不均勻而影響工件的磨削質(zhì)量或?qū)е鹿ぜ罱K加工尺寸受到影響。

1 磨加工遠(yuǎn)程報(bào)警系統(tǒng)

磨床的加工信息由監(jiān)控節(jié)點(diǎn)上傳到工程節(jié)點(diǎn)并且顯示在客戶端的監(jiān)控界面，實(shí)現(xiàn)了遠(yuǎn)程監(jiān)控的目的。用戶方便快捷的獲得磨床加工數(shù)據(jù)，明顯提升了監(jiān)控與管理的效率。報(bào)警系統(tǒng)的基本架構(gòu)是利用組態(tài)軟件的幾個(gè)基本組成部分的相互聯(lián)系，實(shí)現(xiàn)磨床零件加工過程的實(shí)時(shí)監(jiān)控。

系統(tǒng)的主要框架包括三大部分：

(1)監(jiān)控節(jié)點(diǎn)(SCADA node)

(2)工程節(jié)點(diǎn)(Project node)

工程節(jié)點(diǎn)是軟件的開發(fā)平臺(tái)，可構(gòu)建圖形、配置I/O、下載文件，還可以通過編寫程序來處理從監(jiān)控節(jié)點(diǎn)得來的數(shù)據(jù)。

(3)客戶端(Client)

客戶端通過內(nèi)部或者外部網(wǎng)可以查看監(jiān)控畫面，并且具有確認(rèn)警報(bào)和修改點(diǎn)值的權(quán)限。

系統(tǒng)網(wǎng)絡(luò)框架如圖1所示。監(jiān)控節(jié)點(diǎn)進(jìn)行數(shù)據(jù)的采集，工程節(jié)點(diǎn)將支持向量機(jī)的算法加入系統(tǒng)，建立模型對(duì)工件尺寸進(jìn)行預(yù)測(cè)[1]。

圖1 系統(tǒng)的網(wǎng)絡(luò)架構(gòu)圖

現(xiàn)場(chǎng)傳感器采集磨床的加工信息，把信息傳送到系統(tǒng)相應(yīng)的監(jiān)控節(jié)點(diǎn)，監(jiān)控節(jié)點(diǎn)再把信息上傳到工程節(jié)點(diǎn)，由工程節(jié)點(diǎn)進(jìn)行加工處理，最終顯示在監(jiān)控界面上[4]。

2 支持向量機(jī)及預(yù)測(cè)模型

2.1 支持向量機(jī)

支持向量機(jī)是一種基于統(tǒng)計(jì)理論的機(jī)器學(xué)習(xí)方法，它的特點(diǎn)是在盡量保證訓(xùn)練樣本的準(zhǔn)確前提下，提升模型的通用性，廣泛的應(yīng)用于理論分析和工程研究上[3]。

許多醫(yī)院更多的是重視醫(yī)療衛(wèi)生技術(shù)的提升，盡管對(duì)于市場(chǎng)經(jīng)濟(jì)來說，醫(yī)療衛(wèi)生技術(shù)確實(shí)是醫(yī)院的核心競(jìng)爭(zhēng)力，但是在醫(yī)院核心競(jìng)爭(zhēng)力沒有太大的差別時(shí)，就需要通過內(nèi)部控制來提升軟實(shí)力。但是有些醫(yī)院盡管構(gòu)建了內(nèi)部控制機(jī)制，但是并沒有嚴(yán)格根據(jù)其制度進(jìn)行落實(shí)，多數(shù)都是將其作為一種流程，甚至作為一種擺設(shè)，并沒有將其視為制度進(jìn)行嚴(yán)格落實(shí)。而且因?yàn)獒t(yī)院缺乏對(duì)于內(nèi)部控制的評(píng)價(jià)以及有效的監(jiān)督，主要就是由于醫(yī)院更加注重臨床管理水平與技術(shù)的發(fā)展，同時(shí)在醫(yī)療設(shè)備及聘用臨床醫(yī)務(wù)人員的投入較多，因此在構(gòu)建內(nèi)部控制監(jiān)督體系就盡可能的降低投入，缺乏監(jiān)督自然就不會(huì)有人將其進(jìn)行嚴(yán)格的落實(shí)。

分類函數(shù)的描述可以定義如下：

f(x)=wTx+b

(1)

其中，x,wT均為n維向量。

對(duì)于分類函數(shù)來說，幾何間隔：

γ=yi(wTx+b)/w

(2)

γ越大，分類的準(zhǔn)確度越高，yi為分類類別。引入拉格朗日對(duì)偶變量α。

(3)

α是拉格朗日對(duì)偶變量。通過SMO算法將α求解出來，便能將w,b求解出來。即通過引入拉格朗日變量，通過計(jì)算對(duì)偶變量α可得到最優(yōu)w,b。

上述算式在線性可分的情況下可以直接得到w,b，如果線性不可分，常常需要將數(shù)據(jù)映射到高維。如果用常規(guī)方法將向量映射到高維空間中，在維數(shù)逼近無數(shù)維時(shí)，計(jì)算量十分龐大，計(jì)算機(jī)無法處理。支持向量機(jī)引入核函數(shù)后，數(shù)據(jù)在低維空間中即可進(jìn)行得到高維映射結(jié)果，不需要展開到高維。核函數(shù)的出現(xiàn)優(yōu)化了計(jì)算的復(fù)雜度，削減了運(yùn)算量。支持向量模型變?yōu)椋?/p>

(4)

通常會(huì)從一些常用的核函數(shù)中做出選擇，本文采用的是RBF核函數(shù)：

K(xi,xj)=exp(-(xi-xj)2/(2σ2))=exp(-(xi-xj)2/g)

(5)

式中，g=1/(2σ2)為核參數(shù)。

2.2 參數(shù)尋優(yōu)

在支持向量機(jī)算法中，采用不同的參數(shù)，會(huì)得到不同的支持向量機(jī)預(yù)測(cè)模型，最終數(shù)據(jù)處理的結(jié)果也不相同。因此優(yōu)化參數(shù)的方法值得我們?nèi)パ芯俊３Ｓ玫膶?duì)預(yù)測(cè)模型參數(shù)尋優(yōu)方法有網(wǎng)格法，遺傳算法，交叉驗(yàn)證方法等。

本文主要通過交叉驗(yàn)證的方法來優(yōu)化核參數(shù)g和懲罰參數(shù)c，經(jīng)過交叉驗(yàn)證優(yōu)化后可有效的避免預(yù)測(cè)模型過學(xué)習(xí)與欠學(xué)習(xí)情況發(fā)生，使模型的泛化能力提升。

交叉驗(yàn)證經(jīng)常采用K-fold CV方法，將數(shù)據(jù)分為K份。其中的K-1組數(shù)據(jù)用來訓(xùn)練模型，剩下的一組用來驗(yàn)證模型的優(yōu)劣。每一組都參與驗(yàn)證模型的優(yōu)劣，可以得到K組模型，將K個(gè)模型的準(zhǔn)確率作算數(shù)平均值，作為K-fold CV的評(píng)價(jià)指標(biāo)。因?yàn)椴捎媒徊骝?yàn)證的方法每組數(shù)據(jù)都要參與訓(xùn)練模型和驗(yàn)證模型，避免了由于分組的不確定性而產(chǎn)生的誤差。圖2為計(jì)算機(jī)模擬交叉驗(yàn)證的過程。其中x,y坐標(biāo)軸分別代表不同的log以2為底的c,g，z坐標(biāo)表示準(zhǔn)確率。其中顏色越紅代表準(zhǔn)確率越高。

在準(zhǔn)確率相同的條件下，優(yōu)先選擇懲罰參數(shù)小的那組作為模型的參數(shù)，這樣可以使模型的泛化能力更強(qiáng)。

圖2 交叉驗(yàn)證的參數(shù)分布圖

2.3 支持向量機(jī)算法預(yù)測(cè)模型

通過分析磨床加工時(shí)尺寸數(shù)據(jù)，將磨床進(jìn)給時(shí)的尺寸變化數(shù)據(jù)與磨加工工藝參數(shù)作為訓(xùn)練集。根據(jù)訓(xùn)練集建立預(yù)測(cè)模型，根據(jù)預(yù)測(cè)模型預(yù)測(cè)下一時(shí)段的磨削尺寸。并且將實(shí)時(shí)階段的預(yù)測(cè)尺寸與實(shí)際尺寸作對(duì)比，若實(shí)時(shí)預(yù)測(cè)尺寸在預(yù)設(shè)值范圍內(nèi)，將實(shí)時(shí)預(yù)測(cè)尺寸加入訓(xùn)練集，重新確定實(shí)際模型，具體步驟如下。

(1)對(duì)磨加工中的工件反復(fù)試驗(yàn)，通過改變磨削加工進(jìn)給速度來獲得不同的尺寸改變速度。加工完成后將工件進(jìn)行相關(guān)計(jì)算，最終得到工件的尺寸變化數(shù)據(jù)。

(2)選定訓(xùn)練集與測(cè)試集，首先對(duì)訓(xùn)練集與測(cè)試集做預(yù)處理，剔除數(shù)據(jù)集中的粗大誤差。對(duì)數(shù)據(jù)集做歸一化處理，歸一函數(shù)如下：

f:x→y=(x-xmin)/xmax-xmin

(6)

歸一函數(shù)的作用是將數(shù)據(jù)映射到[0,1]內(nèi)，避免因?yàn)閤,y本身數(shù)據(jù)值過大而忽略較小的變化。除了將數(shù)據(jù)歸一到[0,1]，還可以將數(shù)據(jù)歸一到[-1,1]，函數(shù)如下：

f:x→y=2(x-xmin)/xmax-xmin+(-1)

(7)

(3)通過訓(xùn)練集建立支持向量機(jī)回歸模型，并且通過交叉驗(yàn)證得到最優(yōu)懲罰參數(shù)c與核參數(shù)g。通過模型預(yù)測(cè)的尺寸與實(shí)際尺寸作對(duì)比，若誤差在預(yù)設(shè)值范圍內(nèi)，證明模型可行。預(yù)測(cè)模型框圖如圖3所示。

圖3 預(yù)測(cè)模型框圖

3 實(shí)驗(yàn)

實(shí)驗(yàn)采用外圓磨削的方式，選用的磨床型號(hào)為MGB1320E高精度半自動(dòng)外圓磨床。采用GYSyn 256C磨削液，砂輪材質(zhì)為棕剛玉，直徑400mm,厚度32mm，最高線速度35m/s，如圖4所示。

圖4 磨削實(shí)驗(yàn)設(shè)備

在磨加工時(shí)盡量避免接觸工件，減小由于人為因素對(duì)尺寸造成的誤差。每隔一個(gè)單位時(shí)間測(cè)量記錄一組數(shù)據(jù)，共記錄20組數(shù)據(jù)，如表1所示。前10組預(yù)測(cè)值與實(shí)際測(cè)量值如圖5所示(單位mm)。通過多組測(cè)試數(shù)據(jù)建立出尺寸預(yù)測(cè)模型，通過交叉驗(yàn)證參數(shù)尋優(yōu)后得到最優(yōu)參數(shù)(c=2.11,g=2.58)。

圖5 外徑尺寸預(yù)測(cè)值與實(shí)測(cè)值對(duì)比圖

序號(hào)12345678910測(cè)量值mm預(yù)測(cè)值mm33.232.0132.132.0531.230.0730.630.0229.129.1328.128.1627.727.2026.326.3125.125.4824.924.69序號(hào)11121314151617181920測(cè)量值mm預(yù)測(cè)值mm24.223.9023.123.0921.922.2621.121.420.720.7320.220.1319.719.6919.319.4518.918.6518.418.69

圖6 報(bào)警畫面

從實(shí)驗(yàn)數(shù)據(jù)可得，預(yù)測(cè)值與實(shí)測(cè)值的最大誤差不超過2mm，小于給定的系統(tǒng)誤差預(yù)設(shè)值范圍，均方誤差為MRE=0.0070,MSE=0.0020，均方根誤差越小證明預(yù)測(cè)結(jié)果越可靠。實(shí)驗(yàn)的結(jié)果證明該支持向量機(jī)模型可行。若實(shí)時(shí)測(cè)量值與預(yù)測(cè)值之間的差值超過系統(tǒng)誤差預(yù)設(shè)值時(shí)，通過監(jiān)控節(jié)點(diǎn)將信息上傳到工程節(jié)點(diǎn)，由工程節(jié)點(diǎn)進(jìn)行加工處理。最終顯示在監(jiān)控界面上顯示報(bào)警信息，報(bào)警畫面如圖6所示，提示加工存在問題。防止由于進(jìn)給速度不均勻影響工件的磨削質(zhì)量或?qū)е鹿ぜ罱K加工尺寸受到影響。

4 結(jié)論

針對(duì)磨削加工中的報(bào)警的需求，提出了一種基于支持向量機(jī)的磨加工報(bào)警系統(tǒng)。通過實(shí)驗(yàn)分析，驗(yàn)證了將支持向量機(jī)模型嵌入的報(bào)警系統(tǒng)中，對(duì)尺寸預(yù)測(cè)值精度滿足實(shí)際應(yīng)用。通過監(jiān)測(cè)預(yù)測(cè)值和實(shí)測(cè)值的誤差，實(shí)現(xiàn)了用戶對(duì)于報(bào)警的需求。并能及時(shí)將加工過程中加工信息反饋，實(shí)時(shí)調(diào)節(jié)尺寸序列，降低了預(yù)測(cè)誤差，降低了磨削廢品率。提升了磨削精度的同時(shí)也提升了磨削自動(dòng)化水平,有值得推廣的價(jià)值。

[參考文獻(xiàn)]

[1] 高方.磨加工主動(dòng)測(cè)量控制的關(guān)鍵技術(shù)及應(yīng)用[D].鄭州:鄭州大學(xué),2014.

[2] 寧會(huì)峰.珩磨加工中在線氣動(dòng)測(cè)量與尺寸控制技術(shù)研究[D].蘭州：蘭州理工大學(xué),2012.

[3] 任冠青,張琳娜，鄭鵬.WinCE多線程在磨加工主動(dòng)量?jī)x控制系統(tǒng)中的應(yīng)用[J].組合機(jī)床與自動(dòng)化加工技術(shù),2013(8):77-79.

[4] 陳六三,張興權(quán),汪世益,等. CBN砂輪磨削深度對(duì)滲碳淬火鋼表面質(zhì)量的影響[J]. 金屬熱處理,2013(6):89-92.

[5] 李國(guó)發(fā),王龍山,丁寧. 基于進(jìn)化神經(jīng)網(wǎng)絡(luò)外圓縱向磨削表面粗糙度的在線預(yù)測(cè)[J]. 中國(guó)機(jī)械工程,2005,16(3):223-226.

[6] 王家忠,王龍山,周桂紅,等. 基于模糊基函數(shù)網(wǎng)絡(luò)和自適應(yīng)最小二乘算法的外圓縱向磨削表面粗糙度的預(yù)測(cè)[J]. 中國(guó)機(jī)械工程,2006,17(12):1223-1227.

[7] 牛家洋.基于神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)時(shí)間序列的預(yù)測(cè)方法研究[D].濟(jì)南:山東師范大學(xué),2013.

[8] 崔立志.灰色預(yù)測(cè)技術(shù)及其應(yīng)用研究[D].南京:南京航空航天大學(xué),2010.

[9] 向昌盛.基于支持向量機(jī)的時(shí)間序列組合預(yù)測(cè)模型[D].長(zhǎng)沙:湖南農(nóng)業(yè)大學(xué),2011.

[10] 向紅軍,雷彬.基于單片機(jī)系統(tǒng)的數(shù)字濾波方法的研究[J].電測(cè)與儀表,2005(9):53-55.