基于BP神經網絡的高鐵彈條熱處理工藝優(yōu)化

劉飛香，陳 嫻

（中國鐵建重工集團有限公司，長沙 410100）

0 引言

制造業(yè)是我國經濟發(fā)展的主體，是興國之器、立國之本、強國之基，在“互聯網+”、“中國制造2025”的大背景下，大力發(fā)展企業(yè)的智能制造，提升企業(yè)在國際市場中的競爭力勢在必行。生產工廠智能化的改造中，通過SCADA系統(tǒng)對數據進行采集，結合MES系統(tǒng)實時監(jiān)控現場、現實、現物，精準的感知生產各個環(huán)節(jié)的狀況，整合生產車間的人、機、料、法、環(huán)，實現橫向各業(yè)務系統(tǒng)之間的集成，縱向與生產設備間的集成。運用BP神經網絡對熱處理[1]工藝進行建模，對模型進行學習、訓練、驗證，結合車間智能化改造可以對熱處理工藝提出優(yōu)化建議，提升企業(yè)的產品質量。

隨著國家將智能制造定位為重要的戰(zhàn)略發(fā)展機遇，制造業(yè)也在大力發(fā)展“機器換人”、“工業(yè)互聯網”等工程，希望促進制造業(yè)的轉型升級。但是在這個工程中，還有一些企業(yè)對智能化的理解不夠深入，沒有從深層次的理解智能制造的背景、意義以及路徑，存在盲目跟風的現象，企業(yè)要認清自身需求，深度融合工藝設計，分析項目的風險和價值，以結果為導向，促進企業(yè)的轉型升級，提升企業(yè)競爭力。

1 熱處理在高鐵彈條中的應用

鋼軌彈性扣件是鋼軌與軌枕的緊固裝置零件，而彈條是扣件系統(tǒng)中的關鍵彈性部件，扣件系統(tǒng)主要靠彈條對鋼軌進行固定作業(yè)，彈條的受力條件相對惡劣，其綜合性能對扣件的有效性有決定性作用。一旦彈條發(fā)生失效，整套扣件系統(tǒng)就失去功能。由于彈條必須滿足相應的機械性能，既要具有較好的彈性，又要具備良好的抗疲勞性能。因此其內在組織必須要保持在一個特定的平衡態(tài)才能滿足其可靠性的要求，因此對生產中的熱處理工序必須控制有力，溫度必須控制在比較狹窄的區(qū)域才能即保證彈條的熱成型又能保證彈條的淬火性能。只有掌握好熱處理工藝中的質量管控，才能保證彈條的機械性能。

熱處理是固態(tài)的金屬材料，通過加熱、保溫或冷卻的手段來獲取材料預期的組織結構與性能的生產工藝。在高鐵彈條生產過程中需要經過三種熱處理工藝，分別是成型前的加熱，成型后的淬火和回火，硬度HRC是一個重要的質量性能，最終的成品必須保證硬度HRC在固定范圍才能出貨。

1.1 彈條的加熱成型

彈條為熱成型產品，彈條經過切斷工序后制備為長度為500mm左右的直料，經過加熱后，進入成型設備利用模具對其進行各種成型作業(yè)而達到最終的尺寸要求。加熱工序中重點是控制加熱溫度，防范彈條出現脫碳和氧化現象影響彈條的性能。為此我們采用了中頻加熱器，其加熱速度快，彈條加熱時間短，單件受熱時間約5秒種，在如此短的時間內加熱可以很好的控制住彈條的脫碳和氧化，同時還能夠細化晶粒，提升彈條的組織性能。在加熱器出料后，快速進入成型設備，確保彈條在一個恒定的溫區(qū)進入到成型設備。

1.2 彈條的淬火

彈條的淬火金相組織為淬火馬氏體，允許有部分貝氏體和殘余鐵素體，其中淬火馬氏體≤4級，殘余鐵素體≤2級，貝氏體≤1級。亞共析鋼的淬火溫度一般選擇在A3以上加30℃～50℃，合金鋼一般要取上限值，加50℃以上，采用了水基溶液為淬火介質，通過多次的工藝試驗確定其最低入液溫度應控制在750℃以上，可以獲得所需要的馬氏體，同時硬度能達到60HRC以上，由于彈條在入液前要經歷三次成型作業(yè)，每道成型作業(yè)耗時約5秒鐘，加上彈條測溫、工序間轉移的時間，總共約耗時20秒。這里有部分的溫度損失，因此加熱溫度我們控制在890℃～950℃左右[2]，加熱溫度過高會引起晶粒粗大，造成組織缺陷和降低疲勞強度。加熱溫度過低，會造成組織未完全轉變?yōu)閵W氏體組織，其還殘存著部分鐵素體組織，它們在冷卻時不能轉變?yōu)轳R氏體組織，而是以殘留鐵素體組織的形態(tài)存在鋼材中，進而影響到彈條的硬度，最終影響到回火后彈條的性能。

1.3 彈條的回火

彈條回火后組織要求為均勻的回火屈氏體和回火索氏體，且硬度值在42～47HRC，其組織的轉變和硬度的控制主要與溫度和時間相關。綜合考慮質量與成本的關系，采取了網帶式回火爐進行回火作業(yè)，參數的控制方面采取前兩相溫區(qū)溫度控制在550℃～580℃，首先快速對進入爐膛的彈條進行升溫作業(yè)，后面四相溫區(qū)進行持續(xù)保溫，溫度控制在520℃，保溫時間約50分鐘，該控制參數即加快了回火速度，又提高了生產效率又能保證彈條的質量。

2 生產過程智能化建設

新一輪科技革命正在蓬勃發(fā)展，制造業(yè)沿著數字化、網絡化、智能化的方向發(fā)展，工業(yè)互聯網的發(fā)展不僅是順應產業(yè)發(fā)展的趨勢，也是推動企業(yè)質量提升、效率提升和新模式的發(fā)展。

2.1 生產車間智能化改造方案

《中國制造2025》[3]作為制造強國戰(zhàn)略國家級的行動綱領，其中車間數字化的改造是智能制造[4]的基礎，通過對車間設備增加傳感器，將車間所有的設備組成一張大的網絡，對車間的設備信息、環(huán)境信息、能耗信息進行實時采集、存儲、分析，從而打通從上至下的管控，為大數據分析應用提供了數據基礎。

針對熱處理中的三個關鍵設備的改造方案如表1 所示。

SCADA又稱為數據采集與監(jiān)視控制系統(tǒng)，通過該系統(tǒng)可以對現場的設備進行通訊與控制，目前大部分的SCADA系統(tǒng)都集成了常見的PLC通訊協議，不需要額外的接口開發(fā)就可以快速實現與現場設備的通訊，采用超5類網線，走TCP/IP協議，把設備統(tǒng)一接入SCADA系統(tǒng)的服務器，以每秒一次的頻率對現場設備參數進行實時采集。

表1 設備采集改造方案

設備大數據的存儲有很多工具，目前常用的有分布式數據庫、時序數據庫、非結構化數據庫和常規(guī)的結構化數據庫，不同的數據庫有不同的特點，沒有絕對的通用，要根據業(yè)務的實際情況選擇合適的數據庫。對于數據量相對不大、字段結構固定的采集可以采用時序數據庫，它有很好的壓縮比例，對有限的存儲空間不會造成太大的壓力。而對于數據種類繁雜，數據量龐大建議使用分布式數據庫，如Hadoop，它能很好的管理所有的數據，同時能提供分布式計算的平臺，為大數據分析提供基礎。

通過設備的智能化改造可以實現產線級的數字雙胞胎，實現虛實同步的三維產線運行狀態(tài)完整展示，目前提倡的工業(yè)互聯網比較多的是實→虛的對應，而虛→實的逆向控制做的還不夠，根據CPS的閉環(huán)管理的思想是有缺失的，根據與工藝融合的角度，SCADA實現了設備狀態(tài)數據的采集，通過大數據平臺的分析，從而可以實現決策的下發(fā)，閉環(huán)控制執(zhí)行產品的生產過程，圖1是舉例SCADA系統(tǒng)彈條生產線加熱工序溫度曲線圖。

圖1 SCADA系統(tǒng)彈條生產線加熱工序溫度曲線圖

2.2 制造執(zhí)行系統(tǒng)（MES）建設

隨著國際和國內生產方式和管控模式的發(fā)展，MES系統(tǒng)做為ERP系統(tǒng)“計劃和結果”的“中間執(zhí)行層”在生產領域的應用延伸和技術推廣已日趨成熟，為滿足領導關于“搭建客戶需求與企業(yè)產品間的橋梁，實現產品生命鏈與客戶價值鏈的打通，客戶需求（產品與服務）快速轉化成產品設計、采購需求、制造計劃等，通過訂單的形式傳遞給企業(yè)內部其他信息系統(tǒng)，并能把相關信息快速反饋給客戶，最終交付增值的產品（實體和虛擬），以實現客戶價值增值”的要求，MES系統(tǒng)將作為生產執(zhí)行層面的基礎性信息系統(tǒng)[5]，主要發(fā)揮確保質量、提高產量、提升生產效率、壓縮交貨期等作用。

通過MES系統(tǒng)的實施可以打通生產管理中的流程，比如制造執(zhí)行進度的管理、生產數據的實時采集、物流信息的精益化，能夠很好的協調信息流與實務流，這些問題對于生產企業(yè)來說非常重要，但是MES還沒有發(fā)揮它應有的功效，除了生產數據的采集追溯、信息流的順暢、業(yè)務環(huán)節(jié)的協同等內容，還可以在制造工藝技術的改進和提升方面發(fā)揮重要的作用。

質量管理是MES中非常重要的模塊，通過質量管理模塊可以收集來料、生產、出貨、售后中的各種質量數據，能夠有效的防止不良品的流通，通過SPC分析還可以及時的發(fā)現異常問題和批量產品質量的趨勢，這些都是通過MES系統(tǒng)能夠的發(fā)現問題。在MES系統(tǒng)中除了有質量管理數據，同時還會采集設備的狀態(tài)信息、工藝參數信息、檢驗設備信息、人員信息等，通過這些數據進行集成分析建立相應的模型，再把工人的經驗融合進去，從而分析出現質量問題的根本原因，進而推動質量數據與工藝數據的融合，助力生產過程智能化的建設。

3 基于BP神經網絡的熱處理工藝優(yōu)化

本次選用的高鐵彈條Ⅰ型扣件鋼的材質為60Si2Mn，由直徑為13mm的圓鋼經過多次折彎制作而成，在生產過程中需要進過加熱、淬火、回溫三個熱處理步驟，最終檢驗產品質量的一個重要指標為硬度HRC。為了訓練神經網絡模型，記錄了30組實驗數據。

表2 高鐵彈條熱處理工藝參數

表2（續(xù)）

3.1 構建熱處理的BP神經網絡模型

BP神經網絡是一種按照誤差逆向傳播算法（BP算法）訓練的多層前饋神經網絡，能夠解決非線性問題、增強網絡分類和識別能力，通過輸入層、隱含層、輸出層[6]構成了多層前饋感知網絡。BP算法的目標函數是網絡誤差平方，通過梯度下降法[7]來計算BP算法目標函數的最小值。本次模型搭建隱含層的神經元傳遞函數為tansig，輸出層的神經元傳遞函數為purelin，為了提高網絡訓練的速度及精度，采用mapminmax函數[8]對輸入參數進行歸一化處理。如圖2所示，設定輸入層的5個參數為加熱溫度、淬火溫度、淬火時間、回火溫度、回火時間，根據經驗的式(1)隱含層節(jié)點數為z個[9]，在式(1)中R、z、K分別為輸入層、隱含層、輸出層，其中α是常數，在范圍1～10之間取值，根據式(1)確定z=8，在后面的模型訓練中可以結合實際情況進行調整。

輸出層為硬度HRC一個參數，構建了5×8×1的三層結構的神經網絡模型。

3.2 采用SCADA數據訓練和驗證BP神經網絡模型

圖2 BP神經網絡模型結構圖

對于本次構建的BP神經網絡模型訓練使用MATLAB神經網絡工具箱，訓練函數采用trainlm函數[10]，其中重要的學習參數設定為：動能因子設置為0.8、學習速率設置為0.01、學習誤差設置為0.001，其他參數采用MATLAB的默認值。學習的樣本數據采用表2中的30組數據，在訓練前對數據進行歸一化處理，可以縮小輸入值、輸出值的分布范圍，從而在保證精度要求下能夠快速收斂訓練樣本，歸一化為式(2)，在公式中Yi代表輸入輸出的值，Ymax和Ymin分別代表在該列值中的最大值最小值。

在訓練了498次之后，BP神經網絡模型滿足精度0.001的要求，停止迭代，預測走勢趨于平穩(wěn)，如圖3所示。經過模型計算分析，預測的輸出值與實際的測試的輸出值差距非常小，從而該BP神經網絡模型在熱處理過程中有很好的適用性和準確性，排除了人為的主觀 影響。

圖3 BP神經網絡模型訓練誤差圖

3.3 應用BP神經網絡模型

經過驗證當加熱溫度為925°、淬火溫度為812°、淬火時間為12s、回火溫度為530°、回火時間為41分鐘的時候生產的產品能夠很好的控制硬度HRC在43.0左右[11]，與標準要求比較吻合，在實際生產過程中，加熱溫度和回火溫度是可控的，淬火是利用加熱處理后彈條的余熱來實現，與現場環(huán)境及折彎節(jié)拍關系密切，淬火的時間及回火的時間是傳送帶上控制，一般都是固定時間，當把速度調準后這兩個時間不會出現大的波動。為了保證每一批次的產品都能達到質量要求，會對每一步的溫度及速度都調整到最佳值，但是會受到環(huán)境設備等外界因素的干擾，每次的執(zhí)行結果并不能保證，所以需要通過智能制造的手段來提升的產品的質量，如圖4所示。智能制造整體分為狀態(tài)感知、實時分析、自主決策、精準執(zhí)行、學習提升五大特征[12]。

通過SCADA系統(tǒng)對數據進行采集，結合MES系統(tǒng)實時監(jiān)控現場、現實、現物，精準的感知生產各個環(huán)節(jié)的狀況，狀態(tài)感知是走向智能化的第一步；將訓練好的BP神經網絡模型算法集成到MES平臺中，在MES服務器后臺實時運行，將采集回來的實時數據歸一化處理，以十分鐘一次的頻率，把加熱溫度、淬火溫度、淬火時間的實際值加上回火溫度、回火時間的標準值在模型中進行計算，當計算處理的預測值與標準值大于5%的時候，給出回火溫度、回火時間的建議值，確保產品在動態(tài)變動工藝參數中達到質量的提升目的，系統(tǒng)可以實現自主決策；SCADA不止是能夠上行收集數據，同時也能下行控制設備，當自主決策工藝參數需要調整時，能夠把決策的指令下發(fā)給生產設備，在系統(tǒng)穩(wěn)定之后，可以自動下發(fā)生產工藝指令，實現精準執(zhí)行；通過MES質量管理產生的產品結果與模型預測的結果進行自主學習優(yōu)化，實現模型不停迭代、螺旋上升的過程。

圖4 熱處理工藝優(yōu)化的五大特征

4 結語

通過分析高鐵彈條熱處理的工藝，提出了產線智能化改造的方案，基于生產設備、生產設施等硬件的數字化建設，在工藝設計、生產組織、過程控制等環(huán)節(jié)優(yōu)化管理。通過數字化、網絡化、智能化的手段，在計算機虛擬環(huán)境中對人、機、料、法、環(huán)、測等生產資源與生產過程進行管理、設計、仿真、優(yōu)化及可視化等工作。通過構建5×8×1的三層結構的神經網絡模型，以加熱溫度、淬火溫度、淬火時間、回火溫度、回火時間為輸入層，以硬度HRC為輸出層，對模型進行學習、訓練，并且驗證了模型的準確性，最終將模型整合在MES系統(tǒng)中，根據SCADA的實時數據優(yōu)化彈條的生產工藝，提高產品的質量。