应用BP神经网络模型实现内圆磨床主要零件的快速反应设计

国际金属加工网 2016年06月02日

通过建立BP神经网络模型可以将系统结构参数与系统动态特性参数之间的物理关系(线性或非线性)反映为神经网络模型的网络输入与网络输出的数学关系,利用训练完的模型进行结构设计的再修改、灵敏度分析及优化其计算速度要大大快于基于其他模型(如有限元模型)上进行优化计算的速度。

快速反应系统中仍是一个值得研究的问题。

将BP神经网络模型与计算机辅助技术CAX(CAD/CAE/CAPP/CAM)信息集成系统一起放入目前各制造企业开发的数据库信息管理系统中应该是一种较好的选择。

一方面,它弥补了传统的数据库信息管理系统中用户难以全过程介入的缺陷。

因为在CAD,CAE的数据库使用过程中,由于用户缺乏产品造型技术、有限元分析技术或各种综合专业知识,因此,往往只能被动地使用数据库信息管理系统,完成一些简单的查询工作,而不能针对产品所存在的缺陷进行修改与分析。另一方面,用户可直接调用数据库中已训练完的神经网络模型的数据文件进行快速反应设计,这样用户即使不会使用CAD,CAE软件,也能方便地对零件进行修改、灵敏度分析及优化。

内圆磨床主要零件的BP神经网络模型内圆磨床主要由床身、工作台、桥板、箱体滑板、床头箱、磨架滑板、底座等七大件组成。首先分别建立各零件的BP神经网络模型,得到相应的BP神经网络模型的各层神经元数目、权重系数和阀值的数据文件,然后将其放入数据库的相应地址。

在有关内圆磨床零件的BP神经网络模型的建模中,除采用了中提出的多水平正交表选取训练样本的方法外,考虑到内圆磨床零件是三维实体,每个样本的采样计算需要花费大量的时间。因此,没有采用先在CAD软件上进行三维CAD造型,后在CAE软件上进行计算的常规方法,而是造型与计算全部在CAE软件上完成,利用这种方法可大大减少人工的介入,提高计算效率。本文中所有BP神经网络样本的计算是在大型有限元分析软件ANSYS下完成,建模与计算都采用了AKSYS的APDL语言,每次只要修改宏文件中的有关结构参数就可完成。

在建立了机床零件的BP神经网络模型后,用户只要根据一些简单的操作指令,就可对结构进行修改,并迅速获得结构参数修改后零件的动态特性,若结果不满意还可反复修改。应用这种方法实现了真正意义上的快速反应设计。

给出了内圆磨床根据BP神经网络模型进行结构的再修改计算的数据库管理系统结构框图。以此为基础,还可进一步对零件进行结构参数的灵敏度分析与优化计算。

2BP神经网络模型在内圆磨床零件快速反应设计中的应用为桥板的结构图,为桥板筋板布置图。考虑桥板结构的对称性,选取桥板结构中能决定筋板布置型式的几何尺寸a,b为设计变量,以前4阶模态频率/,(i=1,2,3,4)为输出变量,建立0  若对结果不满意,修改a,b值,重新运行显然,根据灵敏度的计算公式,很容易求得第,阶固有频率对辊/个结构参数(输入参数)的灵敏度S(j),即(a)、(b)给出了桥板的前4阶固有频率对输入参如果要求桥板第1阶扭转频率最高时的筋板布置位置,用有限元方法分析很难实现,即使通过多方案的比较也常只能得到相对满意的方案。而在神经网络模型上进行优化则完全可以得到最优的结果,而且计算工作量大大降低。

型为采用MATLAB的优化工具箱进行计算,得到优化计算结果如表1所示。由表可以看出,通过优化计算,桥板的第1阶扭转频率比设计变量取初值时提高了1289%,而通过优化得到的筋板位置是采用传统的方案比较式优化方法所无法实现的。将设计变量a,b的优化结果重新输入有限元模型进行计算得到的第1阶频率值与BP模型的优化值误差小于2%,这说明所建桥板的BP神经网络模型比较真实地反映了结构参数与动态特性参数之间的物理关系,在此模型上进行结构修改、优化及灵敏度的计算是完全可行的。

表1基于BP神经网络模型的桥板筋板位置优化结果项目设计变量/mma网络输出频率/Hz有限元法计算//Hz误差/初始值优化结果3结语本文将BP神经网络模型引入数据库信息管理系统中,使得用户能方便地对零件进行修改、灵敏度分析及优化,在一定程度上改进了目前数据库信息管理系统普遍存在的用户参与难、对用户要求高的问题,同时也为用户参与零件的再设计创造了条件。本文的方法已经在江苏“九五”重大工业攻关项目/新一代数控高精度内圆的开发“中成功应用。

网友评论
欧特克

编辑推荐

相关主题