[发明专利]一种用于装载机动臂焊后变形矫正的BP神经网络及其矫正方法

权利要求书

1.一种用于装载机动臂焊后变形矫正的神经网络的构建方法，其特征在于，其构建过程如下：

通过设置如下结构的矫正装置作为BP神经网络模型的基础：

动臂的每块动臂板(6)的两端分别设为一个矫正位置，在各个矫正位置上分别设置一组矫正装置，每组矫正装置由两个矫正油缸(1)将动臂板(6)夹紧,并设置测距传感器测量获得该矫正位置的安装偏移量；

对于每组矫正装置分别建立两个BP神经网络模型，分别为首矫正阶段BP神经网络模型和后矫正阶段BP神经网络模型；

首矫正阶段BP神经网络模型，第一次矫正时使用，用于对焊接残余应力进行矫正量估计，首矫正阶段BP神经网络模型的构成如下：

以初始偏移量d0、初始偏移量基础上弹性反变形至标准线所需要的油缸推力p0、矫正后偏移量d1作为3个输入神经元；以矫正量估计值为输出神经元，中间隐层选择7个神经元；设定输入层各神经元的激发函数为权值恒为1的线性函数，隐层各神经元的激发函数为权值可调的对称Sigmoid函数，输出层神经元的激发函数为权值可调的线性函数；

后矫正阶段BP神经网络模型，第二次及以后的矫正使用，用于对每次弹性和塑性变形进行矫正量估计，后矫正阶段BP神经网络模型的构成如下：

以初始偏移量d0、初始偏移量基础上弹性反变形至标准线所需要的油缸推力p0、矫正后偏移量d1作为3个输入神经元；以矫正量估计值为输出神经元，中间隐层选择5个神经元；设定输入层各神经元的激发函数为权值恒为1的线性函数，隐层各神经元的激发函数为权值可调的对称Sigmoid函数，输出层神经元的激发函数为权值可调的线性函数；

所述的首矫正阶段BP神经网络模型和后矫正阶段BP神经网络模型的训练过程包括如下步骤：

读取当前矫正位置处的测距传感器的位移信号，结合动臂整体偏移量获得该矫正位置处的动臂板(6)的变形方向和偏移量d0，同时确认相应的进行动作的矫正油缸，接着动作该矫正油缸使该动臂板(6)推至理想标准线并获取压力变送器的当前压力值p0；利用人工现场经验或简单理论分析,构造初始样本集S₀＝{(d0_k,p0_k,d1_k,d2_k)|k＝1,2,...}，利用初始样本集S₀对各神经网络模型进行反复学习训练以便使神经网络模型初步成熟；

重复上述步骤，对各个矫正装置对应的首矫正阶段BP神经网络模型和后矫正阶段BP神经网络模型的训练分别进行训练，使其初步成熟；

所述的首矫正阶段BP神经网络模型和后矫正阶段BP神经网络模型的训练过程还包括在实际使用中收集历史样本集，用于定期训练的步骤，具体如下：

a、选择其中一组矫正位置作为当前矫正位置，读取当前矫正位置处的测距传感器的位移信号，结合动臂整体偏移量获得该矫正位置处动臂板(6)的变形方向和偏移量d0，同时确认相应的进行动作的矫正油缸，接着动作该矫正油缸使该动臂板(6)推至理想标准线并获取压力变送器的当前压力值p0；

b、由于总是期望本次矫正能够使动臂板(6)直接矫正至理想标准线，即期望矫正后偏移量d1为0，结合初始偏移量d0、初始偏移量基础上弹性反变形至标准线所需要的油缸推力p0，构成首矫正阶段BP神经网络模型的输入(d0,p0,d1＝0)，输入首矫正阶段BP神经网络模型中进行激励，计算出神经网络输出继续动作相应矫正油缸，使动臂板(6)推至的位置后稍作停留；动作相应矫正油缸回到零位，获取测距传感器的位移信号并计算实际矫正后偏移量d1；

c、对比实际矫正后偏移量d1与矫正目标值的偏差,判断动臂板(6)是否矫正达标，若不达标，则以该d1作为新的初始偏移量d0，确认相应的进行动作的矫正油缸，接着动作该矫正油缸使该动臂板(6)推至理想标准线并获取压力变送器的当前压力值p0，重新获得一个输入(d0,p0,d1＝0)，输入当前的后矫正阶段BP神经网络模型,计算出新的神经网络输出继续动作相应矫正油缸，使动臂板(6)推至的位置后稍作停留；动作相应矫正油缸回到零位，获取测距传感器的位移信号并计算实际矫正后偏移量d1；重复这一步骤，直至实际矫正后偏移量d1达到矫正目标值；

d、收集整个过程中每一次首矫正阶段BP神经网络模型矫正的各个d0,p0,d1、构成新的历史数据集基于这些采集的历史数据，定期对首矫正阶段BP神经网络模型进行训练学习；

收集整个过程中每一次后矫正阶段BP神经网络模型矫正的各个d0,p0,d1、构成新的历史数据集基于这些采集的历史数据，定期对后矫正阶段BP神经网络模型进行训练学习；

e、转至下一矫正位置，重复进行步骤a-d，继续对其他各组的首矫正阶段BP神经网络模型、后矫正阶段BP神经网络模型进行历史数据收集，定期进行训练。