基于BP网络液态挤压工艺参数预测研究.pdfVIP

基于BP网络的液态挤压工艺参数预测研究+ 齐乐华张光侯俊杰李贺军 西北工业大学．西安，710072 1 前言 液态挤压是在液态模锻研究的基础上，结合热挤压变形的特点于近年来开发出的一种 金属成形新工艺【11。该工艺集压力下结晶与大塑性变形为一体，无需中间工序，便可由液态 一次成形出有色金属管、棒、型材，并在成形的同时使金属双重强韧化，自其一问世，便 得到人们的普遍关注t2,31。但因该工艺牵涉冶金、热传导、塑性变形等一系列复杂过程，与 常规塑性加工有很大区别，难以建立精确的数学模型描述。同时，对工艺参数的控制要求 也十分严格，稍有不当，便会导致成形过程中断或是得不到合格制件。迄今为止，其过程 参数的选取依然是凭经验数据，实施难度较大，且很难依据实际情况进行灵活调整。 人]。神经网络是在现代神经科学研究成果上发展起来的新兴边缘科学，已成功地用于 非线性系统的建模、预测、诊断和自适应控制等多个方面14’』。本文利用人工神经网络的数 据处理与分类特性、非线性逼近与自学习特性，建立了液态挤压成形管、棒材工艺参数预 测模型，能较为准确地预测其关键工艺参数，为提高制件成形质量开辟了一条新途径。 2实验数据采集 以ZLl08合金为研究对象，采用压力传感器测定变形力，热电偶测量温度，变换浇注 图1数据采集实验装置 1．压力传感器2压力机活动横梁3．上模板4冲头座5横梁6．冲头7芯轴 8挤压筒9液态金属与制件lO成形模11下垫板12位移传感器 温度、模具预热温度、加压前停留时间和压制速度等工艺参数，在315吨液压机上进行液 态挤压管、棒材成形实验(图1)，采集8l组实验数据用于神经网络建模。 ’航空基金和国防基金资助项目 565 3神经网络建模 本文选用三层误差反向传播神经网络作为工艺参数预测网络模型，其拓朴结构示于图 2。它由输入层、隐层和输出层所组成。每一个节点代表一个神经元(图3)，每一层节点数 输入层与隐层之间的连接权值矩阵为∞。∈R…，隐层与输出层之间的连接权值矩阵为 ∞。∈R“”，隐层闽值向量为0，∈R5，输出层阂值向量为0。∈R“，则以上关系构成从 输入空间R”到输出空间R”的一个1F线性映射：X一，r 隐层输出向量 q=／(彩。×z，+0，) (6) EOjk n 轴 h x酒妒¨ 输入层 隐层 输出层 图2三层BP网络拓朴结构 图3单个神经元结构 输出层输出向量 (7) Yp=f(co胩×Op+吼) 互塑瑾墅王旦堡堕巡墼!竺：堡塑堑型!箜壁查，圆鳖笪塑壹塑堡差!型!!垦尘，塑 占=抠鼽彳叫。 ㈣ 式中：N为训练样本数，d。为理想输出。 通过调整学习参数q．t和q，女，达到上述目的。 ，冠rf一1、 (9) △以∥～叩瓦i高+必EO,,k(¨) e(o，1)为学习率；口∈(O，1)为惯性项系 式中：△C巩，々(f)=∞m(f)一C_DJj(f一1)；77 数。 液态挤压工艺参数中的变形力和加压前停留时间，对成形质量影响很大，其相关影响 因素也颇多。为了提高系统的预测精度，本文将其分为两个部分，即采用两个BP网络BPF 和BPT分别对变形力和加压前停留时间两个系统进行模拟。考虑到系统受多种因素的影响，