www.467cc.cn-无人在线观看高清电影电视剧,无码少妇一区二区三区免费,午夜福利视频,欧美爆乳乱妇高清免费888

　　數(shù)控機(jī)床是機(jī)、電、液一體化的先進(jìn)制造設(shè)備，其故障復(fù)雜、對(duì)維修人員要求高，傳統(tǒng)的維修方法很難實(shí)現(xiàn)快速而準(zhǔn)確的定位故障，實(shí)現(xiàn)智能化診斷是大勢(shì)所趨。目前，以符號(hào)推理為基礎(chǔ)的專家系統(tǒng)在數(shù)控機(jī)床故障診斷方面已取得了較大進(jìn)展，但仍遇到了一些困難，主要表現(xiàn)為知識(shí)獲取的“瓶頸”與邏輯推理的“組合爆炸”問(wèn)題，即推斷效率低、適應(yīng)能力差等。而神經(jīng)網(wǎng)絡(luò)則以其所*的學(xué)習(xí)能力、聯(lián)想能力和知識(shí)獲取能力，能有效避免以上問(wèn)題，但也存在著不能對(duì)自身推理方法進(jìn)行解釋等問(wèn)題。本研究將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)結(jié)合，開(kāi)發(fā)了神經(jīng)網(wǎng)絡(luò)故障診斷專家系統(tǒng)。
　　
　　1神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)結(jié)構(gòu)根據(jù)專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相互結(jié)合方式的不同，基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)可分為串行式、并行式和混合式3種，本方案采用神經(jīng)網(wǎng)絡(luò)在前、專家系統(tǒng)在后的串行方式。“故障征兆獲取與處理模塊”負(fù)責(zé)機(jī)床中故障征兆信號(hào)采集，并經(jīng)適當(dāng)?shù)奶幚砗笞鳛樯窠?jīng)網(wǎng)絡(luò)的輸入信號(hào)，神經(jīng)網(wǎng)絡(luò)則采用多層并行結(jié)構(gòu)來(lái)完成數(shù)控機(jī)床中多類故障類型的求解及推導(dǎo)，它接受規(guī)范化處理后的征兆信號(hào)輸入，給出處理后的結(jié)果，然后利用專家系統(tǒng)對(duì)其診斷結(jié)果進(jìn)行驗(yàn)證和解釋。
　　
　　2。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及改進(jìn)的算法2.1BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)數(shù)控機(jī)床組成復(fù)雜，故障多樣化，既有電氣故障，又有機(jī)械故障，既有強(qiáng)電故障，又有弱電故障，需要許多測(cè)量點(diǎn)。因此，設(shè)計(jì)單一的網(wǎng)絡(luò)易引起網(wǎng)絡(luò)結(jié)構(gòu)龐大，訓(xùn)練樣本增多，使網(wǎng)絡(luò)訓(xùn)練難以進(jìn)行；還會(huì)造成故障分類精度低，診斷結(jié)果不可靠。實(shí)際應(yīng)用時(shí)采用了分層模塊化的設(shè)計(jì)方法，按數(shù)控機(jī)床的組成結(jié)構(gòu)，分為伺服系統(tǒng)、PLC與電控系統(tǒng)、CNC系統(tǒng)及其他系統(tǒng)等4個(gè)診斷模塊，采用并聯(lián)組合方式，既提高了診斷速度和準(zhǔn)確性，又可同時(shí)診斷多個(gè)故障。
　　
　　神經(jīng)網(wǎng)絡(luò)采用目前應(yīng)用較為成熟的BP網(wǎng)絡(luò)，它是一種單向傳播的多層前向網(wǎng)絡(luò)，網(wǎng)絡(luò)除輸入/輸出節(jié)點(diǎn)外，有一層或多層的隱含層節(jié)點(diǎn)。理論已經(jīng)證明：在隱含層節(jié)點(diǎn)數(shù)量可以根據(jù)實(shí)際需要進(jìn)行自由設(shè)置的前提下，三層BP神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)以任意精度逼近任意連續(xù)函數(shù)的功能。因此，本研究采用標(biāo)準(zhǔn)的三層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)形式。
　　
　　圖中，輸入層對(duì)應(yīng)于故障現(xiàn)象，輸出層對(duì)應(yīng)于故障原因。網(wǎng)絡(luò)中的相鄰層采用全互聯(lián)方式連接，同層各神經(jīng)元之間沒(méi)有任何連接，輸出層與輸入層之間也沒(méi)有直接的。
　　
　　2.2神經(jīng)網(wǎng)絡(luò)改進(jìn)算法針對(duì)傳統(tǒng)的BP網(wǎng)絡(luò)算法存在運(yùn)算速度低、容易陷入局部極小點(diǎn)等問(wèn)題，該神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)算法采用帶有沖量項(xiàng)的BP算法，網(wǎng)絡(luò)的訓(xùn)練過(guò)程如下：（1）將各權(quán)值和閾值的初始值ωj（0），θj（0）置為小的非零隨機(jī)數(shù)。
　　
　　（2）輸入學(xué)習(xí)樣本：輸入向量Xp（p=1，2，…，P）和目標(biāo)輸出Tp（p=1，2，…，P）。opj=fj（∑ωioi-θj）（1）（3）計(jì)算網(wǎng)絡(luò)的實(shí)際輸出及隱含單元的狀態(tài)：opj=fj（∑ωioi-θj）式中，激發(fā)函數(shù)f為Sigmoid函數(shù)，即f（x）=1/（1+exp（-x））。
　　
　　（4）計(jì)算訓(xùn)練誤差：輸出層：δpj=opj（1-opj）（tpj-opj）（2）隱含層：δpj=opj（1-opj）∑kδpkωk（3）（5）修改權(quán)值和閾值：ωi（t+1）=ωi（t）+ηδjopj+α（ωi（t）-ωi（t-1））（4）θi（t+1）=θi（t）+ηδj+α（θi（t）-θi（t-1））（5）式中η―學(xué)習(xí)步長(zhǎng)，α―勢(shì)態(tài)項(xiàng)。
　　
　　（6）當(dāng)p經(jīng)歷1～P后，判斷指標(biāo)是否滿足精度要求E，這里E<ε。其中：E=∑Ep，Ep=∑（tpj-opj）2/2，ε為精度。若滿足要求則轉(zhuǎn)到（7），否則轉(zhuǎn)到（3）。（7）停止，結(jié)束。
　　
　　3診斷實(shí)例3.1故障模式與故障分析本研究以SINUMERIK802C伺服驅(qū)動(dòng)系統(tǒng)為例，比較典型的13種伺服故障模式和相應(yīng)的故障原因分析，如所示。其他診斷模型方法與此類似。
　　
　　輸入向量表示故障模式X，其中“1”表示故障，“0”表示正常。表中，與13個(gè)監(jiān)測(cè)點(diǎn)相應(yīng)的故障點(diǎn)含義如下：X1―伺服驅(qū)動(dòng)電源故障；X2―驅(qū)動(dòng)未就緒；X3―數(shù)控機(jī)床超程報(bào)警；X4―數(shù)控機(jī)床找不到參考點(diǎn)；X5―反饋回路故障；X6―位置誤差過(guò)大報(bào)警；X7―兩軸聯(lián)動(dòng)時(shí)圓度超差；X8―伺服系統(tǒng)過(guò)載報(bào)警；X9―伺服系統(tǒng)過(guò)壓報(bào)警；X10―發(fā)生漂移故障；X11―機(jī)床爬行與振動(dòng)；X12―伺服電動(dòng)機(jī)速度異常；X13―伺服電動(dòng)機(jī)不轉(zhuǎn)故障。
　　
　　輸出向量表示故障原因分析結(jié)果Y，對(duì)應(yīng)含義如下：Y1―檢查交流電源（鐵路機(jī)車空調(diào)電源設(shè)計(jì)）；Y2―檢查直流電源；Y3―檢查熔斷器、繼電器和空氣開(kāi)關(guān)等；Y4―檢查接線端子和連線；Y5―檢查切屑負(fù)荷；Y6―檢查數(shù)控系統(tǒng)設(shè)置的參數(shù)；Y7―檢查數(shù)控機(jī)床限位開(kāi)關(guān)和零位開(kāi)關(guān)；Y8―檢查伺服系統(tǒng)參數(shù)；Y9―檢查伺服系統(tǒng)硬件；Y10―檢查反饋編碼器硬件；Y11―檢查伺服電動(dòng)機(jī)；Y12―檢查機(jī)械傳動(dòng)鏈部件。
　　
　　3.2仿真分析根據(jù)故障樣本表，可確定BP網(wǎng)絡(luò)的輸入層數(shù)為13，輸出層數(shù)為12，隱含層數(shù)根據(jù)經(jīng)驗(yàn)取16，隱含層和輸出層神經(jīng)元的激勵(lì)函數(shù)選擇Sigmoid函數(shù)，網(wǎng)絡(luò)訓(xùn)練函數(shù)選擇traingdm函數(shù)，用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行仿真訓(xùn)練，并選取學(xué)習(xí)率lr=0.5，動(dòng)量因子mc=0.7，誤差e=0.0001.其誤差變化曲線，經(jīng)過(guò)6070次訓(xùn)練，滿足要求。同時(shí)記錄各權(quán)值，以便神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)之用。
　　
　　針對(duì)訓(xùn)練好的網(wǎng)絡(luò)結(jié)構(gòu)，輸入故障模式向量X=<1010000000000000>進(jìn)行驗(yàn)證，實(shí)際輸出的故障分析向量Y=<111101100000000>，結(jié)果*正確。經(jīng)過(guò)多次試驗(yàn)，驗(yàn)證了該模型符合診斷要求。
　　
　　4結(jié)束語(yǔ)將神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)結(jié)合，應(yīng)用于數(shù)控機(jī)床的故障診斷，是一種優(yōu)勢(shì)互補(bǔ)的智能診斷系統(tǒng)。根據(jù)神經(jīng)網(wǎng)絡(luò)采用巨量并行分布信息處理結(jié)構(gòu)的特點(diǎn)，還可采用超大規(guī)模的現(xiàn)場(chǎng)可編程門陣列（FPGA）集成電路制作診斷模塊，并將它當(dāng)作一個(gè)電路嵌入到數(shù)控裝置中，從而實(shí)現(xiàn)數(shù)控機(jī)床的故障實(shí)時(shí)診斷。
　　
　　相信這種基于專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相融合的集成式故障診斷系統(tǒng)，將是數(shù)控機(jī)床故障診斷智能化發(fā)展的一個(gè)趨勢(shì)。但隨著數(shù)控技術(shù)與機(jī)床的發(fā)展，故障會(huì)變得更復(fù)雜與多樣。如何采用分層結(jié)構(gòu)，進(jìn)一步把診斷子網(wǎng)細(xì)化，同時(shí)收集到足夠的學(xué)習(xí)樣本，保證診斷的準(zhǔn)確率，將是今后研究的課題。