基于BP神经元算法的电火花小孔加工穿透检测技术研究.pdf
《基于BP神经元算法的电火花小孔加工穿透检测技术研究.pdf》由会员分享,可在线阅读,更多相关《基于BP神经元算法的电火花小孔加工穿透检测技术研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、收稿日期院 2023-01-10基金项目院国家重点研发计划项目渊2021YFE0103800冤第一作者简介院张海峰袁男袁1975年生袁副教授遥电火花小孔加工是一项应用广泛的特殊工艺袁也是无接触工艺1袁加工时刀具的电极与工件的表面不直接接触袁二者之间没有明显的机械力袁能量密度高袁可用纯铜作为工具电极加工硬质合金袁并且利用对脉冲功率的控制和输出功率的控制袁可达到精密生产的工艺要求2遥航天航空业的发展袁对航空发动机的涡轮叶片冷却提出了更高的要求遥为了使涡轮叶片能承受上千度高温的工作环境袁通常需在其薄壁两侧加工几毫米的小孔遥由于涡轮叶片广泛采用难加工材料袁传统机械加工方法很难实现相应的加工要求3袁通常
2、采用电火花小孔加工代替传统机械加工遥目前袁涡轮叶片小孔加工时通常采用给定加工深度袁工具电极按固定距离往加工方向行进的方式进行加工遥然而研究表明袁在涡轮叶片的电火花小孔加工过程中袁不仅有加工工件被电蚀袁工具电极同样会受到放电能量影响而产生损耗袁从而使该类通用加工方法很难保证加工的准确性袁甚至导致重复加工或过度加工而损伤涡轮叶片袁影响其加工精度与效率4遥基于BP神经元算法的电火花小孔加工穿透检测技术研究张海峰袁王佳行袁梁乐意袁周京华袁景惠静渊北方工业大学电气与控制工程学院袁北京100043 冤摘要院针对电极本身产生的损耗影响电火花小孔加工的问题袁提出了一种基于BP神经元分类算法的电火花小孔加工穿透
3、检测技术遥通过分析不同时期加工过程的放电频率袁选择加工电压变化个数尧脉冲放电的脉宽和脉间尧伺服距离尧加工电流作为模型特征输入量袁在MATLAB软件中完成相应算法模型的建立袁并综合考虑FPGA片上资源和算法耗时等因素的影响袁在实验平台上实现了模型的FPGA程序移植袁并通过加工实验验证了此方法的可行性遥关键词院电火花加工曰小孔加工曰BP神经元算法曰FPGA曰MATLAB曰穿透检测中图分类号院TG661文献标志码院A文章编号院1009原279X渊2023冤03原0014-06Research on Penetration Detection Technology of EDM Small Hole
4、MachiningBased on BP Neural AlgorithmZHANG Haifeng袁WANG Jiahang袁LIANG Leyi袁ZHOU Jinghua袁JING Huijing渊 School of Electrical and Control Engineering袁North China University of Technology袁Beijing 100043袁China 冤Abstract院Aiming at the problem that the electrode loss affects the small hole machining袁apenet
5、ration detection technology based on BP neural network classification algorithm is proposed.Through the analysis of the discharge frequency of the processing process in different periods袁thenumber of changes in processing voltage袁pulse width袁pulse to pulse time袁servo distance袁andprocessing setting c
6、urrent are selected as the model feature inputs.The corresponding algorithm modelis established in MATLAB袁 and the FPGA program transplantation of the model is realized on theexperimental platform袁taking into account the influence of factors such as FPGA on-chip resources andalgorithm time consumpti
7、on袁The feasibility of this method is verified by machining experiments.Key words院 EDM曰small hole machining曰BP neural algorithm曰FPGA曰MATLAB曰penetrationdetection电火花加工叶电加工与模具曳2023年第3期14要要图2加工电压与穿透检测信号针对上述问题袁不少学者提出了一些检测方法遥王军旗等5通过采集间隙有效放电频率的变化袁判断是否穿透遥时东波等6采用平均电压法测试了给定设定数量的电压的平均值袁并与设定的门槛电压对比袁判断是否穿透遥夏蔚文等7将
8、采样的条件空载率与设定值进行对比袁判断是否穿透遥朱云8通过分析穿透前后的加工间隙流场变化袁结合电压值尧电压变化率尧电流值与设定门槛值进行比较袁判断是否穿透遥因为实际的电火花加工环境复杂袁放电发展存在随机性袁所以在每个取样时间尧不同的加工过程中袁其状态会有很大变动袁而采用常规的穿透技术很难获得精确的模型遥机器学习是通过对给定的资料自动进行推理而得出一定的规则袁并将其用于对未知信息的预测遥在提高模型准确性方面袁机器学习具有显著作用9遥本文通过采用BP神经元分类算法袁针对电火花小孔加工过程中的电压加工特征量与不同加工设定参数袁使用MATLAB软件进行穿透检测模型训练袁最后通过Verilog语言将训练
9、后的模型移植入FPGA平台袁通过仿真分析得到准确率为93.3%的穿透检测模型遥1试验及方法1.1BP神经元算法穿透检测模型如图1所示袁BP神经元是一种多层前馈神经网络袁这种方法具有前向传递和反向传播等特征遥前向传递时袁通过每个层都与邻近的各层的关联进行相应的传递遥若输出层未得到预期的结果袁就进入逆向传输袁按照预期误差Etotal对各个层权重进行调节袁使得BP神经元的预测结果与所需的输出Y保持一致10-11遥首先袁明确各层的节点个数遥输入层节点数n为电火花小孔加工过程中的分类检测特征量遥由于在电火花加工间隙击穿瞬间袁加工电压会从较高的约90 V下降并变为较低值的击穿加工电压袁并且在放电周期内电压
10、都维持在一定范围内袁而在电极穿透工件后袁由于边缘存在放电现象袁只有少量再击穿放电袁其他放电时刻大多数处于空载状态遥如图2所示袁通道2为加工电压波形袁即大部分时间的电压都处于90 V的空载状态遥因此袁设定一个电压比较模拟电路袁将采样到的电压与设定电压渊本文采用50 V冤比较曰通过比较设定值袁计算每2 s时间内加工电压穿越该设定值的次数并将该次数作为加工电压变化个数袁由于不同加工参数下每2 s内的电压变化个数不同袁本文采用加工电压变化个数p尧脉宽tON尧脉间tOFF尧伺服距离SV尧加工设置电流IP共计五个量作为输入值遥这适用于多种的加工参数情况袁本文选择n=5遥输出层节点数m代表电火花小孔加工电极
11、与刚好穿出加工件背面距离的类别袁将未穿透设为第一类袁穿透后2 mm内设为第二类袁穿透后2 mm以上为第三类袁即选定m=3遥表1是本文定义的BP神经元穿透检测模型输入层与输出层节点遥实验表明12袁隐含层节点数o的取值过小袁则该网络不能适用于相应的实际问题遥反之袁若过多不仅会增加各神经元层的参数矩阵元素个数袁而且使网络在学习过程中更易陷入局部极小点袁并且将过于复杂模型写入FPGA会占用大量资源袁甚至可能因资源不足而无法执行程序遥因此袁o的最优值选择图1BP神经元拓扑图EtotalX1X2b1jb2mYmY1Xn棕1j棕jk表1BP神经元穿透检测模型对应的各节点定义表235噎噎694噎噎75噎噎32
12、噎噎31.5噎噎3第二类噎噎第三类脉冲宽度ton3脉间宽度toff5伺服距离SV1加工电流Ip1穿透检测类别第一类节点定义变化个数P2 274通道2电火花加工叶电加工与模具曳2023年第3期通道315要要图3输入层到隐含层的前向传递流程渊1冤渊2冤图4隐含层到输出层的前向传递流程表3几种激活函数表达式tanhf渊x冤=ex-e-xex+e-xReLUf渊x冤=max渊0袁x冤名称表达式sigmodf渊x冤=11+e-x表2几种隐含层节点数o的计算公式一直受到相关研究者的高度重视13遥研究表明14综合考虑普遍隐含层节点数计算公式袁如表2所示袁a取值110尧m=3尧n=5袁可得o的一个区间袁并将该
13、区间内的各个数带入模型分别进行训练袁找到分类准确率最高的节点袁若准确率相同则选择节点数最少的遥本文通过对训练样本数据的训练袁筛选o=7作为隐含层的节点个数袁其分类准确率可达100%遥由于实际电火花小孔加工中的穿透检测分类问题是一种非线性分类问题袁在中间传递过程中应当选择一个具有非线性功能的函数使模型适用于求解非线性的问题遥常用的激活函数见表3遥本文采用ReLU作为隐含层激活函数袁相比于sigmoid尧tanh等激活函数袁其计算表达式更加直观尧易于求导袁并且收敛速度相较于sigmoid尧tanh函数的更快袁经仿真训练得到的模型也易于移植入FPGA遥由于ReLU是非饱和激活函数袁防止在数值过大或过
14、小时的梯度消失袁所需分类数据规模适中袁可以很好地适用于本文研究的穿透问题遥由于在隐含层中引入非线性函数袁输出层直接经过f渊x冤=x袁得到输出Y矩阵遥输入层到隐含层的前向传递流程见图3遥输入加工特征量X渊加工电压变化个数p尧脉宽tON尧脉间tOFF尧伺服距离SV尧加工设置电流IP冤袁通过式渊1冤可计算得到输出h的1伊7矩阵为:其中上标1是第一层神经元袁下标为矩阵中各元素所在行列数遥在式渊2冤中引入非线性激活函数ReLU袁使模型适用于非线性分类问题袁得到隐含层的输出H矩阵袁完成了一次输入层到隐含层的传递遥而隐含层到输出层的传递过程与之类似袁不同处在于直接采用线性函数进行输出传递袁其流程见图4遥2o
15、=n+m姨+a3o=n伊m姨序号计算公式1o=log2n将隐含层输出H矩阵袁结合式渊3冤得到第一次传递输出结果Y矩阵院H11袁H12袁H13袁H14袁H15袁H16袁H17蓘蓡伊棕211棕212噎棕213棕221棕222噎棕223棕271棕227噎棕273杉删山山山山山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫衫衫衫衫+b21袁b22袁b23蓘蓡=Y11袁Y12袁Y13蓘蓡其中袁上标2代表第二层神经元袁下标为矩阵各元素所在行列数遥输出结果误差Etotal可计算为院Etotal=ki=1移12渊Yi-yi冤2Yi-yi=渊Yi11-yi11冤+渊Yi12-yi12冤+渊Yi13-yi13冤在BP
16、神经元的训练过程中袁 k是输入的采样数袁此处k=140遥判断所得误差Etotal是否符合预设的X1袁X2袁X3袁X4袁X5蓘蓡伊棕111棕112噎棕117棕121棕122噎棕127棕151棕152噎棕157杉删山山山山山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫衫衫衫衫+b11袁b12袁b13袁b14袁b15袁b16袁b17蓘蓡=h11袁h12袁h13袁h14袁h15袁h16袁h17蓘蓡H11袁H12袁H13袁H14袁H15袁H16袁H17蓘蓡=max渊 0袁0袁0袁0袁0袁0袁0袁蓘蓡袁h11袁h12袁h13袁h14袁h15袁h16袁h17蓘蓡冤隐含层权值棕系列矩阵输入加工数据伊垣ReLU隐
17、含层输出H矩阵隐含层阈值b系列矩阵隐含层权值棕系列矩阵隐含层输出H矩阵隐含层输出Y矩阵隐含层阈值b系列矩阵伊垣渊3冤渊4冤电火花加工叶电加工与模具曳2023年第3期16要要图5BP神经元MATLAB训练过程项目数值棕1110.782 6棕112-0.746 5b11-0.803 0棕157-2.632 7项目数值棕1111.258 8棕112-0.223 2b110.398 2棕1570.271 4图6穿透检测训练模型均方误差图条件要求遥由于在第一次前向传递中袁各层的权值尧阈值都是随机给定一个初值袁这种选取方式必然会使误差达不到要求遥为此袁需按照误差的逆向传递袁对各元素进行修正遥就BP神经网络
18、而言袁采用梯度下降法寻找函数减少最快的方向袁从而使误差快速减小遥一次更新后的权值棕鄢i和阈值b鄢i表示为院棕鄢i=棕i-浊伊坠Etotal坠棕ib鄢i=bi-浊伊坠Etotal坠bi式中院浊为每次迭代的训练长度袁其取值通常选择0.001耀0.1为宜遥将公式计算得到迭代修改后的权值棕鄢i和阈值b鄢i完成一次反向传播后袁再次进行前向传递袁计算结果误差Etotal袁直到满足误差要求或者达到迭代次数袁即完成穿透检测模型训练输出结果遥1.2BP神经元算法模型训练仿真图5是BP神经元穿透检测模型MATLAB训练过程框图遥由于实际加工过程中的特征量单位不同且数值差距过大袁要对输入加工数据进行归一化处理遥本文
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 BP 神经元 算法 电火花 小孔 加工 穿透 检测 技术研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。