基于改进BP算法的中频淬火工艺参数预测
高炉炉温预测 BP 算法的应用改进
自适应 学 习率 的作用也 能有效 解决 学 习效率低
收 敛速度慢 和易 陷于局部极 小状 态的 问题 。
不 出来 或 网络 不 “ 强壮 ” 容错性 差 。 神经 元数太 多 ， 但
又使学 习时 间过长 ， 误差 也不 一定最佳 。 多数 神经 大
３ 炉 温预 测 模 型 的 建 立
（） １输入 参数 的确定 ： 入参数 的选 取主 要考虑 输
元 的状 态 只影 响下 一层 神经 元状 态 。 如果 在输 出层
式 中的－ 将更 为有 效 ， 可以使 调节尽 快脱 离
饱 和区 。
得 不到 期望 的输 出 ， 则转入 反 向传播 ， 时误 差信 号 此
从 输 出层 向输 入层传 播并沿途 调整 各层连接 权值 和 阈值 ， 以使 误差 不断 减 小 ， 到达 到精 度 要求 。 算 直 该 法 实际 上是 求误 差 函数 的极 小值 ， 它通过 多 个样本
（ ＋ １ 一 ０ ７ （ ） ￡ ） ． 叩 ￡ ＳＳ ｔ １ ＞ Ｓ Ｅ（ ） Ｅ（ ＋ ） Ｓ ｔ （） ３
度 上 的作 用 ， 且考 虑 在误 差 曲面上 变 化趋势 的影 而
响， 在没 有 附加动量 的作 用下 ， 网络 可能 陷入 局部极 小值。 该方 法是在 反 向传 播 的基 础上 ， 在每一 个权值
的反 复 训练 ， 采 用梯 度下 降法 使权 值沿 着误 差 函 并
附 加动 量法 能有 效 解决 学 习效 率低 、 敛速 度 收
慢 和易 陷于 局部极 小状态 的问题 。 ２ ２ 自适应 学 习率 ．
数 负梯度 方 向改变 ， 收敛 于最 小 点 ］ 【 。 并 、 ２ Ｂ 算 法 也存 在 着学 习效率 低 ， Ｐ 收敛 速 度慢 ， 容
基于改进的BP神经网络的粘结NdFeB永磁体制备工艺优化设计
Ｈ ｉ ｎ ． ７ ｆｒ（ Ｈ） ｒｓｅｔ ｅ ． ，ａｄ１４ ％ ｏ Ｂ ｅｐ ｃｖｌ ｉ ｙ
Ｋｅ ｒ ｓ ｍａ ｎ ｔ ｒ ｐ ￣ｉｓ ｏ ２ ｅ４ ｙ ｗｏ ｄ ： ｇ ｅｉ ｐ ｏ ｅ ｅ ｆＮｄ Ｆ ｌＢ；ｎ ｕ ａ ｅｗ ｒ ｃ ｅ ｒ ｎ ｔ ｏ ｋ；ｕ ｉ ｒ ｅ ｉ ；ｐ ｉｃ ｐ ｏ ｏ ｅ ｔａ ａｙ ｉ ｌ ｎ ｆｍ ｄ ｓｇ ｏ ｎ ｒ ｉ ａ ｃ ｍｐ ｎ ｎ ｌ ｓｓ ｎ ｌ ｎ
基于遗传算法改进的BP神经网络加热炉控制系统参数优化
基于遗传算法改进的BP神经网络加热炉控制系统参数优化摘要以加热炉控制系统为研究对象，提出了一种基于遗传算法改进的BP网络优化PID控制参数方法，并与经典的临界比例度―Ziegler-Nichols方法进行比较。
仿真结果表明该算法具有较好的控制效果。
关键词 PID控制；BP神经网络；遗传算法；参数优化1 引言由于常规PID控制具有鲁棒性好，结构简单等优点，在工业控制中得到了广泛的应用。
PID控制的基本思想是将P（偏差的比例），I（偏差的积分）和 D （偏差的微分）进线性组合构成控制器，对被控对象进行控制。
所以系统控制的优劣取决于这三个参数。
但是常规PID控制参数往往不能进行在线调整，难以适应对象的变化，另外对高阶或者多变量的强耦合过程，由于整定条件的限制，以及对象的动态特性随着环境等的变化而变化，PID参数也很难达到最优的状态。
神经网络具有自组织、自学习等优点，提出了利用BP神经网络的学习方法，对控制器参数进行在线调整，以满足控制要求。
由于BP神经网络学习过程较慢，可能导致局部极小点[2]。
本文提出了改进的BP算法，将遗传算法和BP算法结合对网络阈值和权值进行优化，避免权值和阈值陷入局部极小点。
2 加热炉的PID控制加热炉控制系统如图1所示，控制规律常采用PID控制规律。
图1 加热炉控制系统简图若加热炉具有的数学模型为：则PID控制过程箭图可以用图2表示。
其中，采用经典参数整定方法――临界比例度对上述闭环系统进行参数整定，确定PID控制器中 K p=2.259， K i=0.869， K d=0.276。
参考输入为单位阶跃信号，仿真曲线如图3所示。
图2 PID控制系统图3 Z―N整定的控制曲线仿真曲线表明，通过Z―N方法整定的参数控制效果不佳，加上PID参数不易实现在线调整，所以该方法不宜用于加热炉的在线控制。
3 基于遗传算法改进的BP神经网络PID控制器参数优化整定对于加热炉控制系统设计的神经网络自整定PID控制，它不依赖对象的模型知识，在网络结构确定之后，其控制功能能否达到要求完全取决于学习算法。
基于HMPSO和BP神经网络算法的中频淬火工艺参数预测
中频淬 火是 对 中小异形 零件 进行 中频 感应 加热 及喷 液淬火 的感 应 热 处理 方 法 ， 以此 提 高零 件 的表 面硬度 及抗 疲劳 强度 。以往 的中频淬 火通 过人 工来
火控 制 系统进 行 ＭＡＴ ＡＢ仿 真研 究 ， Ｌ 结果表 明 ， 该方 法稳 定 、 有效 ， 可提 高 中频 淬火 的质量 。
关键 词 ： 中频 淬 火 ； 粒 群优化 算 法 ； Ｐ神 经 网络 ； 微 Ｂ ＨＭＰ Ｏ 算 法 Ｓ
中 图 分 类 号 ： ０ ． ＴＢ ３ ２ ３ 文献标 志码 ： Ａ
摘 要 ： 中频 淬 火通过人 工控 制和 Ｐ Ｄ控 制 工 艺参 数难 以保证 产 品质 量 ， Ｉ 因此 ， 于微 粒群 优 化 算法 基 和Ｂ Ｐ神 经 网络 算 法提 出了一种 基 于 ＨＭＰ Ｏ 的 Ｂ Ｓ Ｐ神 经 网络 工艺 参数控 制 方法 ， 首先 介 绍 了微 粒群 优
化 算 法和 Ｂ Ｐ神 经 网络算 法 ， 着 建立 了基 于 ＨＭＰ Ｏ 的 Ｂ 接 Ｓ Ｐ神 经 网络 工 艺参数 控 制方 法 ， 最后 对 中频 淬
基于 Ｈ Ｓ 和 Ｂ ＭＰ￣ Ｐ神经网络算 法的中频淬火工艺参数预测
马 鸿 峰 ， 芮执 元
（ ＿ 肃 酒钢 集 团 西部 重 工 股份 有 限 公 司 ， 肃 嘉 峪 关 ７ ５０ ；． 州 理 工 大 学 机 电工 程 学 院 ， 肃 兰 州 ７０ ５ ） １甘 甘 ３１０２兰 甘 ３ ００
ｍ ｇ．
Ｋｅ ｒ ： ｃ ｎｇ， ｒ ｉｌ ｏｕ ｐｔｍ ｉｅ ｌ ｒｔ Ｐａ ｔｃｅ ｇｒ ｐ ｏ ｉ ｚ ｓ ａｇｏ ｉｈｍ ， ＢＰ ｕ ａ ｔ ｎｅ ｒ ｌｎｅ ｗｏｒ ｋｓ， Ｍ ＰＳ ａｇｏ ｉｈｍ Ｈ Ｏ ｌ ｒｔ
基于改进BP算法的装备效能评估探析
1.2 BP算法的应用特点 在BP算法的使用中，会将输入信号和误差信号合理传输， 其中控制信号为正向传输方式，误差信号为反向传输方式，直到 最终获取的误差信号在精度上满足要求，才将最终结果输出。 而从这种算法的运行方式角度来看，由于采用的运算方式 为逐渐逼近的方法，所以从系统的运行效率角度来看，需要消 耗较长的时间才能够获取最终的计算结果，效能分析工作的落 实效率较低。 另外由于这种方法在运行工程中，是通过对节点权重数 据的调整，达成对整个系统的研究和分析效果，节点的数量越 多，则算法的整体计算精度越高，但是当节点数量过多时，这 一系统的运行效率会进一步下降，这对整个系统的协调能力提 出了很高要求。 1.3 BP算法的改进方法 从传统BP算法特点的角度出发，可以发现这一系统在当前 的运行中，采用的方法为梯度下降核算方法，当系统中的一些区 域出现极小节点时，系统要消耗更多时间完成对这类数据的处理 工作。为提高整个系统的运行效率，可以采用的改进方法如下： （1）学习因子的调整 在BP算法中，学习因子为整个系统运行效率和运行精度的 最核心影响因素之一，当学习因子能够高精度自主调整时，则 改进型的BP算法使用质量会大幅上升。 在学习因子的确定中，其计算方法为：
过大时，则算式中的学习因子值需要适当提高，反之则学习因
子下调。
（2）隐层单元的确定
在隐层单元数的确定工作中，要从系统的运行效率与计算
精度两个角度出发，完成对这一参数的合理确定工作，通过对
这一系统和内容的完善，确保整个系统处于最佳的运行状态。
在当前的研究和发展中，并为提出综合性和全面覆盖性的
中频淬火控制系统的基于PSO的BP网络仿真研究
2008年8月襄樊学院学报Aug.,2008第29卷第8期Journal of Xiangfan University V ol.29No.8中频淬火控制系统的基于PSO 的BP 网络仿真研究蔡兵,胡荣玉,王培元(襄樊学院物理与电子信息技术系,湖北襄樊441053)摘要：针对中频淬火传统的控制策略问题，提出一种新的控制策略——基于PSO 的BP 神经网络.MA TLAB 仿真表明，此控制策略控制精度高，可靠性高.关键词：MA TLAB ；中频淬火；PSO ；BP 神经网络中图分类号：TP273文献标志码：A 文章编号1009-2854(2008)08-0049-03中频淬火是利用中频感应电流通过工件所产生的热效应，使工件的表面、局部或整体加热，并进行快速冷却的淬火工艺.设备的频率、加热时间和功率是决定工件淬硬层深度和质量好坏的主要因素.由于淬火过程是非线性、复杂的过程，要准确描述淬硬层深度及其影响因素之间的关系是一项比较繁重和复杂的工作.目前，常用PID 控制方法，但难以获得稳定、高质量的产品[1].而BP 神经网络是具有解决复杂非线性问题的能力[2].本文拟采用基于PSO 的BP 神经网络方法，对中频淬火控制系统进行MA TLAB 仿真研究，以期提高中频淬火的质量.1BP 神经网络结构和算法1.1BP 神经网络结构BP 神经网络结构如图1所示[3].输入对应每个训练样本的各属性取值；输入赋给第一层(输入层)单元，这些单元的输出结合相应的权重，同时给第二层(隐含层)单元；隐含层的带权输出又作为输入再给另一隐含层，最后的隐含层结点带权输出反馈给输出层单元，该层单元最终给出相应样本的预测输出.只要中间隐含层足够多，多层前向网络中的线性阈值函数，就可以充分逼近任何函数.网络结构除输入、输出节点外，有一层或多层的隐含层节点，同层节点中没有任何耦合.输入信号从输入层节点依次经过各隐含层节点，然后传到输出节点，每一层节点的输出只影响下一层节点的输出.图1BP 神经网络结构1.2BP 神经网络算法BP 算法的基本思想是给网络赋给初始权值和阈值，前向计算网络输出，根据实际输出与期望输出之间的误差，反向修改网络权值和阈值，如此反复训练使误差达到最小.其中有两种信号在流通：(1)工作信号，它是施加输入信号后向前传播直到在输出端产生实际输出的信号，是输入和权值的函数；(2)误差信号，网络实际输出与应有输出间的差值即为误差，它由输出端开始逐层向后传播.收稿日期：作者简介：蔡兵(6),男,湖北钟祥人,襄樊学院物理与电子信息技术系副教授W jiW li j i l2008-07-02194-.蔡兵，等：中频淬火控制系统的基于PSO 的BP 网络仿真研究5在图1中，假设BP 网络输入层节点x j ，隐层节点y i ，输出层节点z l ，输入层节点与隐层节点间的网络权值为w ij ，隐层节点与输出层节点间的网络权值为w li ，当网络的期望输出为t l 时，BP 模型的计算公式如下.(1)隐层节点的输出()()i ij j i i j y f w x f net θ==∑(1)其中，i ij j i j net w x θ=∑.(2)输出层节点计算输出()()l li i l l i z f w y f net θ==∑(2)其中，l li i i i net w y θ=∑.(3)网络输出误差21/2()l l l E t z =∑(3)采用上述公式(1)、(2)和(3)可求出输入输出之间的函数关系，但BP 神经网络易陷入局部最优.对此，文献[4]、[5]采用模糊算法和遗传算法.本文采用PSO 算法对中频淬火BP 网络进行改进.2PSO 算法粒子群优化算法PSO 算法已经被证明是一种有效的全局优化方法[6].在PSO 算法中，粒子的位置代表被优化问题在搜索空间中的潜在解.基本思路依据以下两个公式.112()()()()k k k k id i d idid gd id v w v c rand p x c r and p x +=×+××+××(4)11+++=k id k id k id v x x (5)其中，i=1，2，…，m ，m 为粒子的个数；d=1，2，…，D ，D 为每个粒子的维数；k id v 是第k 次迭代粒子i 位置飞行速度矢量的第d 维分量；k id x 是第k 次迭代粒子i 位置矢量的第d 维分量；id p 是粒子i 个体最好位置pbest 的第d 维分量；gd p 是群体最好位置gbest 的第d 维分量；1c 和2c 是权重因子；()rand 是随机函数，产生[0，1]的随机数；w 是惯性权重函数.基于上述思想，PSO 算法对BP 网络全局寻优具体步骤如下.步聚1：随机初始化BP 神经网络各个连接权重和阈值为一群粒子(群体规模为m )，包括随机的位置和速度.步聚2：初始化pBest 、gbest ，给定1c 、2c 和w .步聚3：对每个粒子，将它的适应度和它经历过的最好位置pbest 作比较，如果比pbest 好，则将其作为当前的最好位置pBest ；将它的适应值和全局所经历最好位置gbest 作比较，如果较这gBest 好，则重新设置gBest ，并记录gBest 的值，采用式(4)、(5)对位置和速度进行调整.步聚4：粒子群在解空间进行搜索，若适应值小于预先设定的阈值或小于预设最大代数转入步聚3.步聚5：在PSO 全局寻优的基础上，BP 网络运行小步长反向传播算法，进行局部细致搜索，达到预设的收敛精度，结束网络的训练.3MA TLAB 仿真3.1中频淬火数学模型中频淬火电路分为控制电路和主电路.其中，主电路又分为两部分：三相全控整流电路和单相逆变电路，而控制电路的传递函数为[7]s e Ts ks G τ+=1)((6)式(6)中，K 为放大系数；T 为时间常数；τ为滞后时间.第29卷第8期襄樊学院学报2008年第8期53.2MA TLAB 仿真利用式(6)，采用文献[8]方法，采集300对控制器输入输出数据本.200组作为网络学习的样本，采用PSO 首先对BP 网络的权值和阈值进行全局寻优.当进行5000次学习后，平方误差和小于0.01[9].神经网络训练成功后，从样本中归纳出的领域知识就以数字形式存储在各层神经元之间的联接权值和神经元的偏置值中.然后用训练出来的神经网络，对100组检验数据进行检验，系统仿真结果如图2.图2中频淬火控制系统MATLAB 仿真结果从图2中可看出，此控制系统无振荡，无过冲，具有较好的动态特性，能满足设计要求.4结论BP 神经网络具有良好的记忆和学习能力，但易隔入局部最小值.而PSO 具有全局寻优能力.采用基于PSO 的BP 神经网络相比传统控制方法有较好的泛化能力.淬火控制过程是一种非线性、复杂和时变的过程，利用基于PSO 的BP 神经网络较好满足了设计精度.这种方法为现场的工艺参数控制提供了理论依据和另一种方法.参考文献：[1]樊东黎.热加工工艺规范[M].北京：机械工业出版社,2003.[2]魏世忠，朱金华，徐流杰.应用BP 神经网络预测热处理温度对高钒高速钢中残余奥氏含量的影响[J].材料热处理学报，2005,26(2):65-68.[3]田盛丰.人工智能原理与应用[M].北京：北京理工大学出版社,1993.[4]张连宝，左演声，范青武.进化神经网络模型在激光淬火预报中的应用[J].北京工业大学学报,2003,29(3):377-380.[5]王瑞明，刘青松，蒋静坪.感应电动机伺服系统模糊神经网络滑模控制[J].农业机械学报,2008(7):175-178.[6]王岁花，冯乃勤，李爱国.基于粒子群优化的BP 网络学习算法[J].计算机应用与软件,2003(8):74-76.[7]夏立芳.钢的热处理工艺学[M].哈尔滨：哈尔滨工业大学出版杜,1986.[8]杨国清.水轮发电机模糊神经励磁控制器研究[D].西安：西安理工大学,2003.[9]刘会灯，朱飞.MATLAB 编程基础与典型应用[M].北京：人民邮电出版社,2008.Simulation of Medium-frequency Quenching Based on PSO BP NNCAI Bing,HU Rong-yu,WANG Pei-yuan(Departm ent of Physics &Electronic Information T echnology ,Xiangfan University ,Xiangfan 441053,China)Abstr act:According to the traditional control strategy ,a new control strategy -BP neural network based on the PSO is put forward.MA TLAB simulation shows that the strategy is of high accuracy and high reliability .K y M TL B;MF q ;SO;B 1e wor ds:A A uenching P P neural network。
基于BP神经网络与遗传算法的镍-钴合金电镀工艺参数优化
32
#!#*
)
*
3B# .2
.2
#2.)
:
3
.B2 .2
@AO'I%M=?BV-M=9E9A9CM9;9A9CMI'NA@M%-ONI'C9EEN@I@?9M9IEI@-O9"%M D@EC'-CAS;9;M=@MM=9
9A9CMI'NA@M%-ONI'C9EEN@I@?9M9IEC'II9EN'-;%-OM' ?@X%?S? ?%CI'"=@I;-9EE D9I9@EJ'AA'DE) CSII9-M;9-E%M<* R!;?*">@M=NP L@AS93B2"?@EEC'-C9-MI@M%'-'JC'>@AMESAJ@?@M9#2O!U"
>@M=M9?N9I@MSI9#2 cB
YARZ?DQL)!'NM%?%G@M%'-'J9A9CMI'NA@M%-ONI'C9EEN@I@?9M9IE+-%CT9A"C'>@AM@AA'<C'@M%-O+45
-9SI@A-9MD'IT+O9-9M%C@AO'I%M=?
中图分类号 文献标志码 文章编号 1]!#.!!!
将电流密度,镀液NP 值,氨基磺酸钴的质量浓 度和镀液温度作为输入变量"并将镍"钴合金镀层的
进行大量的实验来获取电镀工艺参数与镍"钴合金 显微硬度作为输出项"建立了三层45神经网络"其
镀层性能之间的关系"以得到实际使用性能良好的 模型如图!所示-
人工神经网络BP算法的改进及其在无损检测中的应用
人工神经网络BP算法的改进及其在无损检测中的应用
刘镇清
【期刊名称】《测控技术》
【年(卷),期】2001(020)003
【摘要】采用多层感知器(MLP)与误差反向传播算法(error back-propagationalgorithm)构造与监督训练人工神经网络，采用了改进的非线性激励函数与学习率的误差反向传播算法。
超声无损检测的计算机模拟与实验结果表明，改进的BP算法收敛速度较之常规BP算法明显加快。
【总页数】3页(P56-58)
【作者】刘镇清
【作者单位】同济大学声学研究所，上海 200092
【正文语种】中文
【中图分类】TG115;TP18
【相关文献】
1.人工神经网络BP算法在评价网站中的应用 [J], 陆伟华
2.人工神经网络BP算法的改进及其应用 [J], 李晓峰;刘光中
3.人工神经网络BP算法在近红外光谱分析中的应用 [J], 张银;周孟然
4.人工神经网络中BP算法及其改进的思考 [J], 赵永刚
5.改进递阶GABP算法与一般BP算法在陀螺仪随机漂移建模中的应用分析 [J], 杨小军;汪立新;杨建业
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进BP神经网络的机床基础部件可再制造性评价模型
hema
ch
i
ne
yeva
t
oo
lba
s
i
cpa
r
t
s,andt
oimp
r
ovet
hep
r
ed
i
c
t
i
ona
c
cu
r
a
c
o
f
r
e
m
a
n
u
f
a
c
t
u
r
a
b
i
l
i
t
e
v
a
l
u
a
t
i
o
no
f
t
h
em
a
Ｇ
y
y
ch
i
net
oo
lba
s
i
cpa
r
t
s,aBPneu
r
a
lne
two
rkr
emanu
f
a
c
t
u
r
R
e
m
a
n
u
f
a
c
t
u
r
a
b
i
l
i
t
l
Ｇ
g
g
yeva
ua
t
i
ono
fama
ch
i
net
oo
lba
s
i
cpa
r
t
swa
st
akena
sanexamp
l
et
odemons
t
基于组态王的中频淬火处理实验控制系统
基于组态王的中频淬火处理实验控制系统马志艳;杨光友;潘武;李浩【摘要】基于组态王的中高频淬火系统以PC机为控制中心,采用RS232/485传输方式,将监测及控制信号送往PC和控制终端,最终完成加热、保温和冷却过程的自动调节,为淬火实验找出最佳工艺,大大提高了淬火过程的自动化程度和安全性能.【期刊名称】《湖北工业大学学报》【年(卷),期】2013(028)005【总页数】3页(P39-41)【关键词】中高频淬火;组态王;自动控制【作者】马志艳;杨光友;潘武;李浩【作者单位】湖北工业大学农机院,湖北,武汉430068;湖北工业大学农机院,湖北,武汉430068;湖北工业大学农机院,湖北,武汉430068;湖北工业大学农机院,湖北,武汉430068【正文语种】中文【中图分类】TP273.3中频淬火是目前机械零件淬火采用较多的方法，但大部分为人工操作整个淬火过程．对于需连续反复加热淬火的工件则难以实现自动化精准、均匀淬火．如轴类零件采用连续加热时,是通过人工控制工件与感应圈的相对位移速度来控制淬火温度,通过人工控制冷却介质的压力和喷射时间来控制冷却速度,这难以保证轴类零件表面淬火温度和冷却速度始终不变,造成淬火后出现软带和软点、变形甚至产生裂纹[1]．如果对中频淬火工艺参数采用微机实时控制,可迅速监测和修改生产过程中的各工艺参数,使处理零件的金相组织和性能处于最佳状态．基于组态王的中频淬火系统正是在这种需求下设计的，使淬火过程实现了自动化，通过可自动调节的淬火过程，提高了工艺水平，同时，使传统的现场操作改变为远程监控和操作甚至网络化监控变为可能．笔者应用PC机及ADAM4052、4060等硬件,设计了一种可靠性高的中频淬火控制系统．它可兼有数字仪表的作用,又符合计算机控制分散的原则．控制参数都集中在一块面板上显示,操作方便．更为重要的是，它可以根据试验数据绘制实时曲线，通过分析实时曲线找出最佳的工艺曲线，为后面的加工工艺提供一种可量化的控制方式，提高了加工质量．1 热处理实验系统的硬件部分整个控制系统主要由PC机、串口通信、加热部分、冷却部分组成．整体机构框图如图1所示．图 1 热处理系统结构框图1.1 串口通信部分串口通信部分主要采用研华模块ADAM4052．ADAM4052可以将485总线传输转换为232总线传输，可以直接与计算机相连，从而解决了传输距离与信号稳定的问题，连接简单方便．1.2 加热与冷却控制模块加热控制模块主要是软件通过研华ADAM4060模块来控制淬火的加热时间和冷却时间，从而使工件按照预设的加热轨迹来完成加热，使工件的达到淬火标准．1.3 温度检测及控制模块该模块主要由采集和实时曲线绘制两部分组成．采用热电偶采集系统淬火温度，将采集信号传送至智能采集模块，智能采集模块将信号处理后通过485总线向上传递，然后直接通过232总线传送给控制中心PC机．通过试验，可测得温度曲线，同时分析淬火后工件的特性，找出温度和淬火过程的关系，建立温度和时间的最佳曲线关系，然后通过组态王该温度曲线，自动完成批量淬火(图2)．图 2 温度-时间曲线1.3.1 温度采集温度的采集过程由ADAM4018完成．ADAM-4018是一款16位8通道模拟输入模块，所有通道都提供可编程输入．它的光隔离输入在模拟输入和模块之间提供3000 VDC的隔离，保护模块和外围设备避免来自输入线路高电压的损坏．ADAM-4018使用16位受微处理器控制sigma-delta A/D的转换，将热电偶传感器的电压转换为计算机可识别的数字信号，也可数字信号转换成工程单位，然后通过485总线传给计算机．1.3.2 实时曲线的绘制及控制组态王通过实时曲线控件将4018采集过来的温度数据，自动绘制成温度/时间的关系图(图3)，通过这个图形外可以很直观的看到整个加热的动态过程，并且该过程将被记录下来，通过试验后的分析，找出最佳的淬火工艺曲线．通过最佳的工艺曲线，可以动态控制加热模块和冷却模块的工作和停止，从而使整个淬火过程按照曲线的轨迹进行．图 3 实时曲线控制2 热处理实验系统的软件部分应用软件为KingView组态软件，它基于Windows环境，有强大的网络功能、丰富的图形界面，其多任务性可较好地实现系统功能切换．通过上述软件，多项管理、技术、统计等功能得以实现：各检测点和控制点相应参数(温度、阀位、加热时间、报警等)的实时显示；生产报表、历史趋势曲线、参数设定、定时采集、自动记录、自动生成日报表；在线阅读报表、调度联网；手动/自动切换方式，实现无人操作模式等．本程序主要功能是实现自动加热、自动冷却、自动循环．同时还可以人为强行干预加热过程，而不会造成时序错误，弥补了传统的系统容易时序混乱的缺点．另外，加热过程参数的设置可以实时改变设置，而不需要改动任何的硬件部分，使系统适用性更广，成本降低．操作界面生动形象，一改工业机械操作呆板的缺陷，同时还有误操作保护，提高了系统的安全性．2.1 主界面主界面(图4)分工作区和状态动画显示区两部分．工作区分为三块：时间设置块、状态显示块和操作块．在时间设置块中主要是设置加热、保温、冷却时间和加热循环的次数；状态显示模块主要是以数字的形式显示系统当前的工作状态，以便人工判断；操作模块上主要是系统的操作按钮，系统所有的动作可以在操作块上完成．动画显示区主要是以动画的形式将整个加热过程模拟出来，使真个加热过程一目了然、形象生动．图 4 主界面2.2 主程序框图主程序主要是控制淬火的整个过程，主要包括加热、保温、冷却．程序框图如图5所示.图 5 主程序框图部分代码如下：/***************************加热时间阶段***************************/if(\\本站点\加热按钮==1){if(nCount >= 10){\\本站点\加热时间设置 =\\本站点\加热时间设置 - 1; nCount = 0;}else{nCount = nCount + 1;}if(\\本站点\加热时间设置==0){\\本站点\加热按钮=0;\\本站点\buttoncover=0;}}/**************************保温时间阶段**************************/if(\\本站点\加热时间设置==0&&\\本站点\buttoncover==0) {……}/*************************冷却时间阶段完成后停止*************************/if(\\本站点\保温时间设置==0&&\\本站点\buttoncover==1){……}/***循环是否完成***/if(\\本站点\冷却时间设置==0&&\\本站点\buttoncover==1){\\本站点\冷却按钮=0;C1.EndFun();//停止计数C1.Clear();//计数器复位\\本站点\循环次数=\\本站点\循环次数 + 1;}}3 结束语本系统应用组态王通用监控系统软件，通过实时监测调节，既实现了自动控制，又保证了解热、保温、冷却精确的时间要求，更为重要的是，可以根据它能动态调整的特性找出最佳工艺曲线，使淬火在自动化程度提高的同时，也使得其精度得到提高，同时也可以实现远程操作和监控，改善了工人工作环境．[ 参考文献 ][1] 郭祖培，刘晨．中频淬火过程的微机控制系统[J]．热加工工艺，2000(03)：47-49.[2] 黄天佑．材料加工工艺[M]．北京：清华大学出版社，2004.。
基于改进神经网络算法的中碳钢热处理工艺参数预测方法研究
基于改进神经网络算法的中碳钢热处理工艺参数预测方法研究朱贺;徐涵;赵庆
【期刊名称】《山西冶金》
【年(卷),期】2024(47)3
【摘要】传统的BP神经网络算法应用于热处理工程实践,常出现数据收敛速度较低,易陷入局部最优解等状况,通过搭建遗传算法优化的神经网络,即GA-BP神经网络,利用遗传算法强大的全局优化性,解决了传统BP神经网络易陷入局部最优解、容易过拟合等弊端;再通过采集热处理实验数据,训练并测试单独的BP神经网络和GA-BP神经网络。
借助MATLAB能够运行部分程序的特点,采用优化前的BP神经网络和优化后的GA-BP神经网络对低碳钢热处理的优化结果进行比较,确认GA-BP神经网络算法在金属热处理优化的作用及优越性。
将此研究提出的GA-BP神经网络算法应用于其他各类金属的热处理工艺优化中去,可更好地指导工程实践。
【总页数】4页(P10-13)
【作者】朱贺;徐涵;赵庆
【作者单位】中国民用航空飞行学院民航监察员培训学院;中国民用航空飞行学院航空工程学院;中国民用航空飞行学院空中交通管理学院
【正文语种】中文
【中图分类】TG156
【相关文献】
1.基于HMPSO和BP神经网络算法的中频淬火工艺参数预测
2.基于改进遗传算法优化BP神经网络的短时交通流量预测方法研究
3.基于改进蝗虫算法优化长短时记忆神经网络的多参数瓦斯浓度预测模型研究
4.基于改进BP神经网络算法的钻锪工艺参数优化
因版权原因，仅展示原文概要，查看原文内容请购买。
修正淬火系数法预测中低碳钢淬透性及其应用
第21卷第4期2009年4月钢铁研究学报Jour nal of Ir on and Steel ResearchV ol.21, No.4 A pril 2009基金项目:国家自然科学基金资助项目(50504007);国家863高技术产业化研究资助项目(2003AA33G010)作者简介:付天亮(1981 ),男,博士生; E mail:futianliang@ ; 修订日期:2008 09 02修正淬火系数法预测中低碳钢淬透性及其应用付天亮1, 袁 国1, 王昭东1, 王国栋1, 王明涛2(1.东北大学轧制技术及连轧自动化国家重点实验室,辽宁沈阳110004;2.太钢集团公司临钢中板厂,山西临汾041000)摘 要:针对中低碳钢淬透性评估及辊式淬火机淬火后钢板淬透层深度预测等问题,应用修正格罗斯曼法,分析碳含量、奥氏体晶粒度及合金元素对钢淬透性的影响,同时采用非线性拟合、多元化分析等方法,引入合金影响系数的概念,建立了中低碳钢淬透性预测数学模型。
通过计算,将模型预测值与实际值相比较,吻合度较好,平均偏差比未修正时减小60%。
研究结果已应用于某钢厂辊式淬火机淬后板材淬透层深度评估中,预测值与实际值偏差在6%以内,基本满足生产需要。
关键词:中低碳钢;淬透性;理想临界直径中图分类号:T G156 1 文献标识码:A 文章编号:1001 0963(2009)04 0047 05Modified Q uenching C oefficient Method of Forecasting Hardenability ofMedium and Low Carbon Steel and Its ApplicationFU T ian liang 1, YUAN Guo 1, WANG Zhao do ng 1, WANG Guo do ng 1, WANG Ming tao2(1.State K ey L abo rato ry of Ro lling and Automat ion,N o rtheast ern U niversit y,Shenyang 110004,Liaoning,China;2.Linfen M edium Plate P lant,T aiy uan Ir on and Steel G roup Co ,L infen 041000,Shanx i,China)Abstract:N o wadays,the evaluat ion of medium and lo w car bo n steel har denability and the hardenabilit y thickness fo recast aft er quenching has become a spot lig ht.M odified G rossman method w as used t o analyze the influencing factor s of hardenability ,such as carbon content and austenitic g rain size.A t the same time,nonlinear fitting and multivar iate analysis method was used to intr oduce the concept o f alloy inter action parameter.On the basis of these measures,the mathemat ic models for fo recasting medium and lo w car bo n steel har denability w ere estab lished.T hr ough comparing the values fro m forecast model w ith the actual v alues,super ior similarit y was g otten.T he aver age deviation was decr eased to 40%of the or ig inal values.T he co nclusio n o f this t hesis has been used in certain medium plants to evaluate the har denability thickness after quenching in r oller quenching machine,and t he dev iation of for ecast v alue fro m measured value,which could meet the needs o f pr oduction,w as wit hin 6%.Key words:medium and low carbon steel;har denability;ideal critical diameter随着中厚板轧线数量及规模的扩大,中厚板轧后淬火处理日益受到国内各厂家重视,淬后钢板性能的评估问题日显重要。
基于改进BP神经网络算法的钻锪工艺参数优化
基于改进BP神经网络算法的钻锪工艺参数优化
李岸;庞志愿
【期刊名称】《工具技术》
【年(卷),期】2024(58)2
【摘要】针对目前工业机器人钻锪工艺参数选取主要依靠经验法的问题,提出基于改进BP神经网络算法的钻锪工艺参数优化方法。
分析钻锪工艺过程并针对工艺参数和加工质量的关系进行正交实验设计和相关性分析;针对哈里斯鹰算法的不足,在猎物逃脱几率和猎物跳跃强度两方面对其进行改进;运用改进的哈里斯鹰算法优化BP神经网络,并基于改进的BP神经网络算法建立工艺参数优化数学模型;采用fmincon函数求解最优工艺参数并进行实验验证。
分析结果表明,与由经验法确定的工艺参数相比,优化后的工艺参数在孔径精度和锪窝深度精度方面分别提高了17.9%和26.5%,满足了加工质量要求,并保证了加工效率。
【总页数】6页(P110-115)
【作者】李岸;庞志愿
【作者单位】沈阳工业大学机械工程学院
【正文语种】中文
【中图分类】TG52;TH161.1
【相关文献】
1.基于PSO算法改进BP神经网络的氟金云母点磨削工艺参数优化
2.基于BP神经网络和多目标粒子群算法的自动钻铆工艺参数优化方法
3.基于BP神经网络与遗传
算法的固结磨具制作工艺参数优化4.基于BP神经网络和遗传算法的综采面工艺参数优化研究5.基于BP神经网络与遗传算法的烘丝机干燥工艺参数优化
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进的BP算法雷达故障诊断系统设计
基于改进的BP算法雷达故障诊断系统设计
唐文;焦中生;饶若愚;邓亮
【期刊名称】《火力与指挥控制》
【年(卷),期】2008(033)0z1
【摘要】为适应雷达故障诊断快速化、智能化的要求,介绍了一种基于改进的BP 算法的雷达故障诊断系统设计方法.作为实例,详述了某型雷达视频放大电路的诊断.最后,用Visual C++语言实现了编程.诊断结果表明了采用改进的BP算法实现雷达故障诊断的有效性.
【总页数】4页(P113-115,118)
【作者】唐文;焦中生;饶若愚;邓亮
【作者单位】空军邵东场站,湖南,邵东,422801;解放军理工大学气象学院,江苏,南京,211101;解放军理工大学气象学院,江苏,南京,211101;解放军理工大学气象学院,江苏,南京,211101
【正文语种】中文
【中图分类】TN956
【相关文献】
1.基于PSO的改进BP算法在变压器故障诊断上的研究 [J], 孙晓娟
2.基于改进的BP算法雷达故障诊断系统设计 [J], 唐文;焦中生;饶若愚;邓亮
3.基于改进PSO-BP算法的变压器故障诊断 [J], 王涛;王晓霞
4.基于改进BP算法的惯性仪器故障诊断 [J], 李富荣;李笔锋;王玉峰;秦浩
5.基于改进BP算法的异步电机故障诊断 [J], 韩亮;郭杰鹏;卢国华
因版权原因，仅展示原文概要，查看原文内容请购买。
改进BP神经网络在冲压发动机性能预测中的应用
改进BP神经网络在冲压发动机性能预测中的应用
改进BP神经网络在冲压发动机性能预测中的应用
提出了一种应用改进BP人工神经网络进行冲压发动机性能预测的新方法.编制了仿真程序,并对几种算法的学习收敛速度进行了比较.仿真结果表明,模型预测的冲压发动机性能误差低于3%,较好地解决了工程实际问题.
作者：陈世立陈新民 Chen Shili Chen Xinmin 作者单位：中国运载火箭技术研究院研究发展中心,北京,100076 刊名：导弹与航天运载技术 ISTIC PKU英文刊名：MISSILES AND SPACE VEHICLES 年，卷(期)：2007 ""(3) 分类号：V430 关键词：神经网络 BP算法冲压发动机。
基于改进BP方法的精炼炉电压和电流软测量建模
基于改进BP方法的精炼炉电压和电流软测量建模张艳芬;肖东【摘要】在精炼过程中,精确地测量电弧电流和电弧电压对提高调节器性能、生产优质钢和提高冶炼效率有着重要的理论和实践意义.首先建立基于BP神经网络的电弧电流及电压软测量模型,然后针对BP神经网络收敛速度慢、易陷入局部极小值点的缺点,对模型进行改进,提出基于遗传算法的BP神经网络软测量模型.在MATLAB 仿真平台中对建立的两个模型进行仿真比较,结果表明基于遗传算法的BP神经网络软测量模型在收敛速度、泛化能力等方面都要明显优于单一的基于BP神经网络建立的测量模型.【期刊名称】《黑龙江工程学院学报（自然科学版）》【年(卷),期】2014(028)001【总页数】4页(P54-57)【关键词】精炼炉;BP;软测量;建模【作者】张艳芬;肖东【作者单位】营口职业技术学院,辽宁营口115000;东北大学信息科学与工程学院,辽宁沈阳110004【正文语种】中文【中图分类】TP273钢包精炼方法是把转炉、平炉或者电弧炉中初炼的钢水移到钢包中进行精炼，并加入脱氧剂、合金料，进行脱氧、脱硫、均匀合金成分，是一种以电弧加热、氩气搅拌和渣精炼为核心的钢包精炼生产技术[1]。
精炼炉控制系统中最重要的部分是电极调节系统。
目前常用的电极调节方法主要有恒电流调节策略、恒阻抗调节策略和恒功率调节策略，其中恒阻抗控制在技术上是最先进的，它适合于任何形式的炉子主回路，在一切情况下，都能保证调节过程的高度自动程度[2-3]。
但采用恒阻抗控制策略控制电极，需要实时检测电弧电压和电弧电流作为控制器的输入，检测环节的精度和灵敏度是决定电极调节器性能好坏的重要因素。
电弧电流和电弧电压是变压器二次侧的输出电流和输出电压，是高电流低电压[4]。
电弧电流通常为数万安培，直接测量误差较大。
为了解决测量环节不能准确反映实际电弧电流值的现状，很多研究人员进行了相关的研究工作。
一些学者提出了一种测量电炉变压器二次侧电流的方法，该方法利用电流互感器和连续式触点盘从一次侧直接测量电炉变压器二次侧电流[5-6]。