资源描述：
《人工神经网络在工业控制领域中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第27卷第2期湘潭师范学院学报(自然科学版)Vol.27No.22005年6月JournalofXiangtanNormalUniversity(NaturalScienceEdition)Jun.2005人工神经网络在工业控制领域中的应用X林盾,马培锋,李建生(湖南科技大学教育学院,湖南湘潭411201)摘要:将BP神经网络引入到对焊缝成形信息进行预测,并在此基础上设计逆向神经网络模型,通过控制焊接工艺参数,达到实现预期焊缝形状的目的。通过比较发现神经网络的预测精度较高,同时其反向控制系统可以对焊接工艺参数予以实时监控,实现预期控制目标。由此得
2、出结论:神经网络在工业控制领域的应用范围广阔,前景可观。关键词:人工神经网络(ANN);BP网络;焊接过程;非线性系统;神经网络控制中图分类号:TG456.7,TP379.9文献标识码:A文章编号:1671-0231(2005)02-0090-041人工神经网络简介人工神经网络(ArtificialNeuralNetwork或ANN)是由许多处理单元,又称神经元,按照一定的拓扑结构相互连接而成的一种具有并行计算能力的网络系统。这种网络系统具有非线性大规模自适应的动力学特征。它试图通过模拟人脑神经网络处理信息的方式,从另一个研究角度,来获取具有人脑
3、那样的信息处理能力。由于对人工神经网络的研究和人的神经网络的研究密不可分,所以把人工神经网络亦称为神经网络(NeuralNetwork或NN)。为了模拟人脑信息处理的机能,人工神经网络显示出人脑所具有的某些基本[1]特征。其具体表述如下:(1)信息可分布存储,且容量大,容错性较好;(2)可大规模并行处理收集到的网络信息;(3)自学习,自组织,自适应性强;(4)神经网络的行为是大量神经元的集体行为,并不是各单元行为的简单相加,而表现出一般复杂非线性动态系统的特征;(5)神经元可以处理一些环境信息十分复杂,知识背景不清楚和推理规则不明确的问题。2人工
4、神经网络技术与焊接过程的结合及其相关范例在实际的焊接过程中,尽管人们希望焊接规范参数能够保持恒定,然而焊接条件总在不断出现波动,有时甚至收集到的信息相互之间存在矛盾。同时,神经网络所接触的各种对象具有复杂的非线性和不确定性,而判定决策原则往往又无章可循。值得一提的是,人工神经网络的优势恰恰在于推理性强,尤其擅长于处理模式识别与空间映射的问题。对于一些很难用文字表述的规则,其学习与适应能力较之别的人工智能技术要高出许多。无疑,这对于过程复杂,信息众多,规则又很难精确化的焊接生产是十分有利[2]的。焊接过程条件恶劣,许多信息稍纵即逝,而信息处理的精确
5、性和计算模型的复杂程度与计算量有密切关系。它又与控制的快速性能及简单可靠的要求相矛盾:在现实的焊接过程中有许多物理现象和信息传感的模型并非容易获得;即使在种种条件的限制和假设下建立了数学描述表达式,计算的结果和实际的精度必然会有距离。但是,人工神经网络不追求精确的数学模型,而是运用学习知识,积累经验的简单方式来达到相对精细的分析和理解。同时因为焊接通常是一种一次性的连续加工过程,焊后发现缺陷时除了铲掉重焊别无他法;况且一些重要结构的焊缝往往是不允许随便重新补焊的。然而,在焊接过程中,工艺条件和环境都处于不断的变化状态,经常还有许多不确定的随机扰动
6、,包括工装误差和焊接变形引起的焊缝偏离电弧的轨迹、电弧波动引起熔池大小和熔透程度的变化等,都会造成不同程度的焊缝缺陷。从质量X收稿日期:2004-11-20作者简介:林盾(1974-),男,四川仁寿人,硕士,讲师,研究方向:计算机仿真系统运行,虚拟技术在教育技术、工科教育领域中的应用。90控制的角度出发,希望尽快调整规范参数,并获得各类信息立即加以处理和作出决策,即实时性要求是焊接过程信息处理的一大特点。所以,将人工神经网络引进到焊接过程中,对收集的信息进行处理,对各种工艺参数予以实时监控,从而保障焊接质量是焊接生产中的一个重要突破。人工神经网络
7、中的BP(BackPropergation)反向传递网络在焊缝成形信息和控制方面的具体应用有:2.1神经网络用于焊缝成形信息处理和控制方案简介在实验焊接的时候,模型神经网络在焊接中采样当前电流I(A),电压V(V)和焊接速度L(mm/min)。焊缝熔宽W(mm)和熔透P(mm),用BP算法迅速修改模型网络的权重,得到焊接参数与焊缝成形的映射。实际焊接时,根据设定的熔宽W0和熔透P0,由工作网络计算出所需的焊接参数V0,I0,L0;同时模型网络比较设定值和实际值之间的差别,并且仍然不断地监测训练,并将结果送到工作网络参与控制。2.2BP网络基本原理
8、和人工神经网络熔池图1神经网络熔池控制系统控制系统中BP网络的构成与实现及其训练过程首先,BP网络在某种程度上模仿人脑神经细胞的激励、反
