基于人工神經(jīng)網(wǎng)絡(luò)的氣門電熱鐓粗工藝專家系統(tǒng).pdf

1、近年來隨著汽車產(chǎn)量激增及對性能要求的提高，所需氣門的規(guī)格、品種和數(shù)量愈來愈多，對其質(zhì)量要求也愈來愈高。 目前氣門鍛件有兩種生產(chǎn)工藝方法： 一種是采用電鐓制坯，然后在螺旋壓力機(jī)上終鍛成型； 一種是熱擠壓制坯，然后鐓鍛成型。 在國內(nèi)，目前普遍采用第一種工藝方法生產(chǎn)。 電熱鐓粗工藝具有設(shè)備投資較低、鍛件桿部尺寸精度高、各項質(zhì)量系數(shù)較高等優(yōu)點，但由于電鐓過程涉及的工藝參數(shù)較多，某一參數(shù)不穩(wěn)定或相關(guān)工藝參數(shù)

2、配合不好，都將造成電鐓生產(chǎn)中的質(zhì)量缺陷使成品率下降。目前對氣門電鐓工藝的研究主要集中在定性分析上，雖然采用了數(shù)值模擬和理論推導(dǎo)方式，但是由于電鐓工藝的影響因素較多，各因素之間相互作用，并且表示這些方法的模型都是在許多假設(shè)條件下建立起來的，模型的可靠性和置信度較差，很難用于實際生產(chǎn)。 因此利用人工神經(jīng)網(wǎng)絡(luò)非常適合描述具有黑箱性質(zhì)和非線性強(qiáng)的對象的優(yōu)點，設(shè)想將確定電鐓工藝參數(shù)的問題視為黑箱，影響工藝參數(shù)確定的各種因素作為神經(jīng)網(wǎng)絡(luò)的輸

3、入，而把要確定的參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸出，建立起某些復(fù)雜電鐓工藝參數(shù)確定的模型，通過足夠的數(shù)據(jù)樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，來描述確定某些工藝參數(shù)的過程。本文采用組合BP人工神經(jīng)網(wǎng)絡(luò)來逐步確定氣門電鐓工藝參數(shù)，用合適的學(xué)習(xí)樣本來訓(xùn)練網(wǎng)絡(luò)，不僅能較好地描述工藝參數(shù)確定過程，還能預(yù)測出較為合理的工藝參數(shù)控制值。 為了提供實際可用的系統(tǒng)，將人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)結(jié)合起來建立氣門電熱鐓粗混合專家系統(tǒng)。針對氣門電鐓成型的工藝問題，對比較容易運用邏輯推算

4、的工藝參數(shù)采用利用傳統(tǒng)的專家系統(tǒng)模式確定；而對于非線性、不容易精確推算的工藝參數(shù)采用人工神經(jīng)網(wǎng)絡(luò)確定。從而實現(xiàn)了將善于處理精確、線性信息的傳統(tǒng)人工智能/專家系統(tǒng)和善于處理不精確、非線性的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的結(jié)合，為整個工藝過程的控制參數(shù)的確定提供了較好的實用的混合型系統(tǒng)。 本文利用面向?qū)ο缶幊碳夹g(shù)C＋＋語言，在VC＋＋6.0程序開發(fā)器上，針對工藝參數(shù)的確定過程，采用基于原型的知識表示方式，將確定相應(yīng)參數(shù)的知識庫和推理機(jī)制封裝起來。神經(jīng)