[发明专利]基于人工神经网络的磨床砂轮自动修整方法和修整装置

摘要

本发明公开一种基于人工神经网络的磨床砂轮自动修整方法和修整装置，通过均匀磨削实验采集每次实验现场砂轮电机电压U、砂轮电机电流I、砂轮转速n、待加工零件与砂轮的相对平移速度v数据，以及对应每次实验的砂轮钝化系数d；并从中选取训练样本数据来训练建立的人工神经网络预测模型；之后通过现场采集砂轮电机电压U、砂轮电机电流I、砂轮转速n、待加工零件与砂轮的相对平移速度v后送入建立的人工神经网络预测模型中计算输出y，并将y与预先设定的修整设定值进行比较来控制修整工具对砂轮进行修整。本发明能够减少磨削加工中的人为判断因素，从而提高磨床磨削加工过程的自动化程度，降低加工成本和废品率。

主权项

1.基于人工神经网络的磨床砂轮自动修整方法，其特征是包括如下步骤：(1)均匀磨削实验：选取一批数量足够多、并具有相同加工工艺参数的待加工零件，在相同工况下进行磨削实验，每磨削加工一次为一次实验；(1.1)从砂轮刚修整即砂轮的钝化系数d＝0开始，到砂轮即将磨钝需要修整时的钝化系数d＝1为止，进行磨削实验；设总共进行了b+1次实验，则对应第一次实验的砂轮钝化系数d＝0，第二次实验的砂轮钝化系数d＝1/b，第三次实验的砂轮钝化系数d＝2/b，以此类推，至最后一次即第b+1次的砂轮钝化系数d＝b/b＝1；与此同时，采集每次实验现场砂轮电机电压U、砂轮电机电流I、砂轮转速n、待加工零件与砂轮的相对平移速度v数据，实验完成后计算并保存对应每次实验的砂轮钝化系数d；(1.2)自砂轮的钝化系数d从0到1的变化过程中，在上述(1.1)步骤所得数据中均匀选取训练样本数据，每个训练样本记为(U_i、I_i、n_i、v_i)，对应的砂轮钝化系数为d_i，其中i＝1、2、…、N，N为训练样本数；按同样的方法在上述(1.1)步骤所得数据中另外选取N个验证数据用于验证人工神经网络的可信度；(1.3)将上述(1.2)步骤得到的训练样本对记为(X_i，d_i)(i＝1、2、…、N)，其中对应任一输入样本向量X_i＝(x_1i，x_2i，x_3i，x_4i)＝(U_i，I_i，n_i，v_i)，人工神经网络实际输出为y_i，期望输出为d_i；(2)建立人工神经网络预测模型，用样本数据训练神经网络，得出一个反映输入输出关系的人工神经网络预测模型；(2.1)按以下要求构造的一个人工神经网络预测模型为三层的误差反向传播算法神经网络；(2.1.1)输入层节点数M的选取：输入层节点数M与人工神经网络输入参数个数相同，即M＝4；(2.1.2)隐含层节点数H的选取：式中，M为输入层节点数，J为输出层节点数，α为1≤α≤10之间的常数，即3≤H≤12；隐含层节点输出为：式中，M＝4为输入层节点数，x₀＝-1，w_0h为第h个隐含层节点的阈值，w_mh为第m(1≤m≤4)个输入x_m(即x₁、x₂、x₃、x₄)到第h个隐含层节点的连接权值；(2.1.3)输出层节点数J的选取：输出层节点数J与人工神经网络输出参数个数相同，即J＝1；输出层节点输出为：式中，H为隐含层节点数，g₀＝-1，w_0y为输出节点的阈值，w_hy为第h(1≤h≤H)个隐含层节点到输出层节点的连接权值；(2.1.4)隐含层节点和输出层节点的激励函数均采用Sigmoid函数；(2.1.5)各层节点之间的初始连接权值和节点的初始阈值取随机非零值；(2.2)按以下步骤训练上述步骤(2.1)所获得的误差反向传播算法神经网络；(2.2.1)隐含层节点数H先从小开始逐次增大进行取值，来对具有不同隐含层节点数H的人工神经网络预测模型进行训练，找出具有最好预测结果的人工神经网络，该人工神经网络预测模型隐含层节点数H就是最后确定的隐含层节点数H值；(2.2.2)人工神经网络预测模型进行训练学习过程中第n次迭代时所定义的误差E(n)为：E(n)=12NΣi=1N(di-yi(n))2,]]>式中，i＝1、2、…、N，N为训练样本数，y_i(n)为对应第i个输入样本的第n次迭代时的人工神经网络输出，d_i为对应第i个输入样本的期望输出；(2.2.3)根据误差E(n)修正各层节点之间的连接权值和节点的阈值，其修正公式为：wmh(n+1)=wmh(n)-η∂E(n)∂wmh(n)]]>why(n+1)=why(n)-η∂E(n)∂why(n)]]>式中，0≤m≤4，0≤h≤H，学习步长η的取值范围为0＜η＜1；(2.2.4)当误差E(n)小于误差设定值δ时或训练次数达到设定训练值Q次时，训练停止；否则改变隐含层节点数H，重复步骤(2.2.1)～步骤(2.2.3)的训练步骤；(2.2.5)保存经多次修正后的各层节点之间的连接权值和节点的阈值，得到一个反映输入输出关系的人工神经网络预测模型；(3)砂轮自动修整：经过上述训练后，可启动磨削加工；通过现场采集砂轮电机电压U、砂轮电机电流I、砂轮转速n、以及待加工零件与砂轮的相对平移速度v后送入上述建立的人工神经网络预测模型中计算输出y，将y与预先设定的修整设定值进行比较，当y大于或等于修整设定值时，控制修整工具对砂轮进行修整。