[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

说明书

本发明旨在提供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，对于每个动臂的每块动臂板，分别设置两个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；后矫正阶段BP神经网络模型，第二次及以后的矫正使用，用于对弹性和塑性变形进行矫正量估计。利用该BP神经网络对装载机动臂焊后变形进行矫正，具有脱离现场经验,矫正效率高、矫正精度高的特点。

技术领域

本发明涉及工程机械技术领域，具体涉及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。

背景技术

动臂是装载机工作时载荷承重和传动的重要工作部件，其形位误差直接影响装载机前端工作装置的承载分布、传动效率和工作寿命。在制造工艺上，动臂主要由左动臂板、右动臂板和连接横梁拼搭焊接构成。动臂板的焊后偏移量难以控制，引起的形位误差直接影响到后续的机加工工序，并最终影响装载机的综合性能，因此需要进行焊后变形矫正，以满足形位精度要求。

目前的动臂焊后矫正装置虽然普遍都实现了在线式的电液驱动矫正和偏移量的自动精度测量，但为实现矫正以满足形位公差所需要的矫正量仍然难以精确快速的确定。根据变形误差，凭借现场经验确定矫正量的方法难以实现快速矫正，且经验难以传承。在此基础上实现的模糊控制对矫正量进行估计，存在着经验知识难以精确量化，小形位误差需要反复矫正的问题。迭代学习的方法具有有效利用大量历史数据的优点，但它的前提是需要明确反映输入输出关系的数学模型，而理论分析获得复杂工况下的变形矫正模型也是极为困难的。

发明内容

本发明旨在提供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，利用该BP神经网络对装载机动臂焊后变形进行矫正，能够有效克服现有技术的缺陷，具有脱离现场经验,矫正效率高、矫正精度高的特点。

本发明的技术方案如下：

所述的用于装载机动臂焊后变形矫正的神经网络，其构成如下：

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将动臂板夹紧,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：