國內(nèi)數(shù)控機(jī)床的生產(chǎn)廠家為了生存和發(fā)展的需要沸毁，對可靠性的預(yù)測提出了迫切的要求殿漠。數(shù)控機(jī)床可靠性預(yù)測的方法主要可以分為兩類：一類實(shí)際是基于經(jīng)驗(yàn)的預(yù)測方法，即由有經(jīng)驗(yàn)的專業(yè)人員在調(diào)查卤妒、采樣等工作的基礎(chǔ)上甥绿，結(jié)合當(dāng)時(shí)的實(shí)際情況，做出預(yù)測则披；另一類方法是建立在歷史數(shù)據(jù)和經(jīng)驗(yàn)數(shù)據(jù)的基礎(chǔ)上共缕，先建立相應(yīng)的數(shù)學(xué)模型，然后利用數(shù)學(xué)模型進(jìn)行預(yù)測士复。第一種預(yù)測方法需要積累很多經(jīng)驗(yàn)图谷，因此不容易學(xué)習(xí)，傳承性很差阱洪，而且預(yù)測的準(zhǔn)確率比較低便贵，預(yù)測過程沒有堅(jiān)實(shí)的理論基礎(chǔ)，說服力比較差弱豹；而第二種方法在預(yù)測數(shù)控機(jī)床可靠性方面應(yīng)用比較廣泛遂辐，預(yù)測準(zhǔn)確率較高，而且預(yù)測過程以數(shù)學(xué)理論知識為基礎(chǔ)履婆，說服力比較強(qiáng)骤扰。目前用于系統(tǒng)可靠性預(yù)測的方法主要有數(shù)學(xué)模型法、條件概率法各囤、最小割集近似法等胜姥。但是傳統(tǒng)的數(shù)學(xué)方法站么，如數(shù)學(xué)模型法，其適應(yīng)性差裤谆，在解決數(shù)控機(jī)床可靠性的預(yù)測問題上惨译，準(zhǔn)確性較差，有的預(yù)測問題甚至無法解決枪第。本文通過對神經(jīng)網(wǎng)絡(luò)深入的研究汉锡，提出了用于數(shù)控機(jī)床可靠性預(yù)測的三層BP神經(jīng)網(wǎng)絡(luò)模型和算法，并與傳統(tǒng)的數(shù)據(jù)模型預(yù)測方法進(jìn)行比較來證明本文所提出的神經(jīng)網(wǎng)絡(luò)預(yù)測模型比傳統(tǒng)數(shù)學(xué)預(yù)測方法更準(zhǔn)確可行兜蠕。

　　預(yù)測網(wǎng)絡(luò)模型利用神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)控機(jī)床可靠性預(yù)測算法的主要思路為：將組成數(shù)控機(jī)床的各子系統(tǒng)的可靠性參數(shù)x扰肌，作為神經(jīng)網(wǎng)絡(luò)的信息輸入，數(shù)控機(jī)床的可靠性指標(biāo)y作為網(wǎng)絡(luò)輸出熊杨，建立三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)曙旭。用某些型號數(shù)控機(jī)床的M個(gè)可靠性數(shù)據(jù)模式對（x）作為訓(xùn)練樣本集，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練晶府。最后利用訓(xùn)練好的網(wǎng)絡(luò)對待預(yù)測型號的數(shù)控機(jī)床的可靠性指標(biāo)進(jìn)行計(jì)算桂躏。

　　數(shù)控機(jī)床可靠性預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型如所示。由輸入層川陆、隱含層剂习、輸出層三層結(jié)構(gòu)組成。x為網(wǎng)絡(luò)輸入值较沪，y為隱含層的第j個(gè)神經(jīng)元的輸出值鳞绕， y為網(wǎng)絡(luò)的最終輸出值， w為隱含層的第j個(gè)神經(jīng)元與輸入層的第i個(gè)神經(jīng)元之間的連接權(quán)值尸曼，w為輸出層與隱含層的第i個(gè)神經(jīng)元的連接權(quán)值们何，為隱含層的第i個(gè)神經(jīng)元的闡值，為輸出層的闡值犁谓， f為作用函數(shù)箭烦，本研究取Sigmo id函數(shù)作為作用函數(shù)，即f（x ） = 1 /（ 1+ exp（ - x ） ）叫逸。

　　算法原理設(shè)某一輸入樣本x

　　目標(biāo)值為d.y為隱含層的輸出值苛豺， y為網(wǎng)絡(luò)的輸出值，則有：設(shè)計(jì)研究分析誤差函數(shù)為： E =求E對權(quán)值的梯度：為統(tǒng)一公式全乙，令w表示第l層的第j個(gè)神經(jīng)元與第l- 1層的第i個(gè)神經(jīng)元的連接權(quán)值偎洋； w表示第l層的第j個(gè)神經(jīng)元與第l+ 1層的第k個(gè)神經(jīng)元的連接權(quán)值； Q表示上一層的第i個(gè)神經(jīng)元的輸入值侄伟，則梯度公式可以統(tǒng)一為：

　　當(dāng)單元j為一個(gè)輸出單元時(shí)：當(dāng)單元j為一個(gè)隱含單元時(shí)：權(quán)值沿誤差函數(shù)的負(fù)梯度方向改變睁奶，故權(quán)值的改變量為：式中為學(xué)習(xí)因子，故權(quán)值修正公式可統(tǒng)一為：另外考慮到學(xué)習(xí)過程的收斂性撇委，學(xué)習(xí)因子取值越大越好爵蝠，值越大捌唾，每次權(quán)值的改變越激烈，可能導(dǎo)致學(xué)習(xí)過程中發(fā)生振蕩揩墓。因此為使學(xué)習(xí)因子取值足夠大吆视，又不產(chǎn)生振蕩，在權(quán)值修正公式中再加一勢態(tài)項(xiàng)：同理可推導(dǎo)出闡值的修正公式為：權(quán)值修正和闡值修正是在誤差反向傳播過程中逐層完成的酥宴。下是BP神經(jīng)網(wǎng)絡(luò)數(shù)控機(jī)床可靠性預(yù)測算法流程圖啦吧。

　　參數(shù)討論

　　1．輸入值與輸出值的預(yù)處理對于數(shù)控機(jī)床的零部件，其失效率一般在0 1之間拙寡。如果不在此范圍內(nèi)授滓，可通過調(diào)節(jié)其值使其落在0 1之間，來使網(wǎng)絡(luò)的輸入能有一個(gè)較為穩(wěn)定的范圍肆糕。這樣對于參數(shù)的選擇較為有利般堆。對于輸出值，如果將輸入值限定在0 1之間的話诚啃，數(shù)控機(jī)床的整體失效率一般會大于1.但對于本算法采用的作用函數(shù)Sigmo id函數(shù)淮摔，其輸出值應(yīng)落在0 1之間。故應(yīng)對輸出值進(jìn)行處理始赎，這要針對不同的實(shí)際問題進(jìn)行處理和橙。一般對輸出值y作如下處理：

　　這樣可以保證值落在0 1范圍內(nèi)。

　　 2．輸入數(shù)據(jù)的確定線性回歸法和x

　　優(yōu)度檢驗(yàn)證明數(shù)控機(jī)床的壽命分布可以近似認(rèn)為服從指數(shù)分布造垛，由此可確定選用何種數(shù)據(jù)作為輸入數(shù)據(jù)胃碾，本算法將采用失效率作為輸入數(shù)據(jù)。另外蛹鼎，為保證網(wǎng)絡(luò)的性能及控制計(jì)算的復(fù)雜度，輸入數(shù)據(jù)的個(gè)數(shù)不應(yīng)太多涯贝，最好控制在10個(gè)以內(nèi)列充，但是數(shù)控機(jī)床的結(jié)構(gòu)一般比較復(fù)雜，僅直接子系統(tǒng)在10個(gè)以上跃呛，為解決這個(gè)問題频咨，本文提出次要輸入?yún)?shù)合并法。因?yàn)閷τ诖蠖鄶?shù)數(shù)控機(jī)床說秦砌，故障一般集中在幾個(gè)子系統(tǒng)上埃账，譬如某型數(shù)控車床，發(fā)生在CNC系統(tǒng)经聊、轉(zhuǎn)塔刀架唱棍、電氣系統(tǒng)、主傳動(dòng)系統(tǒng)守譬、液壓氣動(dòng)系統(tǒng)估喷、進(jìn)給系統(tǒng)這幾個(gè)子系統(tǒng)的故障占到所有故障的74. 34凛忿。這樣，將各主要子系統(tǒng)的可靠性數(shù)據(jù)分別作為一項(xiàng)輸入數(shù)據(jù)竞川，然后對次要子系統(tǒng)根據(jù)它們之間的功能關(guān)系進(jìn)行合并作為一項(xiàng)或幾項(xiàng)輸入數(shù)據(jù)店溢，這樣就可將輸入數(shù)據(jù)控制在10個(gè)之內(nèi)，既可以保證網(wǎng)絡(luò)的性能委乌，又能滿足計(jì)算精度的要求床牧。

　　 3．環(huán)境因子的確定本算法的輸入值除了為各組成單元的可靠性數(shù)據(jù)外，增加了一個(gè)環(huán)境因子遭贸。因?yàn)閿?shù)控機(jī)床的可靠性水平不僅由各組成零部件的可靠性水平及它們之間的相互作用關(guān)系決定戈咳，而且還與其使用的環(huán)境有關(guān)。此處所指的環(huán)境是一個(gè)廣義的概念革砸，包括使用環(huán)境除秀、操作熟練度、加工條件算利。

　　這里給出了一個(gè)確定環(huán)境因子的粗略方法册踩。環(huán)境因子的級別如所示，最終環(huán)境因子的h的計(jì)算公式為：

　　3. 1工作環(huán)境h

　　工作環(huán)境是指機(jī)床的運(yùn)行環(huán)境效拭。優(yōu)秀的工作環(huán)境可現(xiàn)代機(jī)械2007年第2期以是：環(huán)境溫度比較恒定囤檐，保持在10 30 ，室內(nèi)清潔甜湾，灰塵較少膊护，固定良好或有減震措施，這在先進(jìn)的自動(dòng)化生產(chǎn)線上比較常見兜充。較好的工作環(huán)境可以是：溫度舒適淋渤，室內(nèi)清潔，偶爾有吵鬧和震動(dòng)雄睦。一般的工作環(huán)境是：溫度適中荷十，環(huán)境比較清潔，有少量的吵鬧和震動(dòng)娇裁。較差的工作環(huán)境是：室內(nèi)溫度波動(dòng)比較大从秃，室內(nèi)噪音較大，工人工作時(shí)間長后會產(chǎn)生厭倦感荞篙。惡劣級的工作環(huán)境可以是：環(huán)境溫度波動(dòng)較大泽衬，甚至受到風(fēng)吹日曬；室內(nèi)衛(wèi)生條件較差殿姑，空氣中浮塵較多树碱；固定不完全或無法良好固定，工人在這種環(huán)境下不易安心工作。

　　 3. 2操作熟練度h

　　操作熟練度是指操作人員的熟練程度赴恨。對于操作經(jīng)驗(yàn)豐富的熟練技工使用可選擇熟練級疹娶。學(xué)徒工使用時(shí)選擇學(xué)徒級。工作年限在0. 5 1年的選擇較不熟練伦连，工作年限在1 1. 5年的技工可選擇一般級雨饺，工作年限在1. 5 2年的技工可選擇較熟練，工作年限在2年以上的選擇熟練惑淳。

　　3. 3加工條件h

　　加工條件與多方面的因素有關(guān)额港，例如，工作強(qiáng)度歧焦、切削用量移斩、加工材料等。加工條件依據(jù)這些條件可以分為5個(gè)等級绢馍，一般情況下選擇中負(fù)荷即可向瓷。

　　4．權(quán)值和閥值的初始化權(quán)值和閥值的初始化對網(wǎng)絡(luò)的收斂性有一定的影響，選的好收斂快歇肖，選得不好可能使網(wǎng)絡(luò)處于飽和區(qū)夜川，難于收斂，或是網(wǎng)絡(luò)限于局部極小役寡。但目前還沒有一個(gè)最佳的初始化方法麻百，但最好各值不要相同，一般在- 1 1之間選取超棚。本算法將根據(jù)實(shí)際情況采用- 1 0或0 1之間的隨機(jī)數(shù)作為權(quán)值的初始值拴猖。

　　學(xué)習(xí)因子和勢態(tài)因子的確定學(xué)習(xí)因子大，收斂速度快应惠，反之則慢伐蔚，若太大，容易造成網(wǎng)絡(luò)振蕩天尤、發(fā)散等現(xiàn)象贴袖。勢態(tài)因子的作用是使學(xué)習(xí)因子足夠大，又不產(chǎn)生震蕩吩擒。合理的學(xué)習(xí)因子和勢態(tài)因子可提高網(wǎng)絡(luò)學(xué)習(xí)的效率，通常0< < < 1.為縮短算法的收斂時(shí)間硫朦，可以采用變學(xué)習(xí)因子的方式贷腕，起始時(shí)學(xué)習(xí)因子值很大，隨著迭代次數(shù)的增加可以適當(dāng)?shù)慕档椭狄д梗疫@樣還可以提高算法的漸進(jìn)性泽裳。

　　迭代計(jì)算終點(diǎn)的判斷網(wǎng)絡(luò)收斂后，就可停止迭代計(jì)算破婆，此時(shí)即可進(jìn)行仿真涮总、預(yù)測等計(jì)算工作胸囱。確定迭代終點(diǎn)的方法一般有三種，一是總體誤差小于指定誤差瀑梗，二是迭代次數(shù)達(dá)到預(yù)定次數(shù)烹笔，三是監(jiān)測樣本集的誤差增大。本文采取第一種方法抛丽，預(yù)先指定迭代精度谤职，其大小應(yīng)根據(jù)實(shí)際情況選取。

　　5．實(shí)例研究

　　本文的實(shí)例是某汽車制造中心的兩種類型的數(shù)控機(jī)床（A亿鲜、B）允蜈，它們的可靠性數(shù)據(jù)是根據(jù)前期運(yùn)行情況統(tǒng)計(jì)得到的，包括機(jī)床整體可靠性數(shù)據(jù)竹肚、轉(zhuǎn)塔帆田、電氣系統(tǒng)、排屑系統(tǒng)勾勃、裝卡系統(tǒng)般蚪、X向進(jìn)給系統(tǒng)和環(huán)境因子。采用傳統(tǒng)的是數(shù)學(xué)模型法和本文神經(jīng)網(wǎng)絡(luò)法的預(yù)測結(jié)果數(shù)據(jù)如所示蝗悼。

　　可以看出忽件，神經(jīng)網(wǎng)絡(luò)法預(yù)測方法與傳統(tǒng)數(shù)學(xué)模型方法相比，可以顯著的降低預(yù)測的誤差出募。用訓(xùn)練好的網(wǎng)絡(luò)分別對A涌俘、B兩種型號的數(shù)控機(jī)床進(jìn)行預(yù)測，平均誤差為2. 76蒂扇，比用數(shù)學(xué)模型預(yù)測的結(jié)果平均誤差率11. 29有較大的降低昔永。由此可見，在預(yù)測精度方面喝暂，神經(jīng)網(wǎng)絡(luò)的方法比數(shù)學(xué)模型的預(yù)測方法有較大的提高缺钓。

　　當(dāng)假設(shè)X向進(jìn)給系統(tǒng)的可靠性數(shù)據(jù)不可知時(shí)，采用傳統(tǒng)的是數(shù)學(xué)模型法和本文神經(jīng)網(wǎng)絡(luò)法的預(yù)測結(jié)果數(shù)據(jù)所示叫胁。0. 274 970無法預(yù)測無法預(yù)測0. 273 940無法預(yù)測無法預(yù)測法預(yù)測神經(jīng)網(wǎng)絡(luò)法

　　由可以看出凰慈，神經(jīng)網(wǎng)絡(luò)法比傳統(tǒng)數(shù)學(xué)模型法有更好的適應(yīng)性。當(dāng)X向進(jìn)給系統(tǒng)的可靠性數(shù)據(jù)不可知時(shí)驼鹅，數(shù)學(xué)模型法無法進(jìn)行預(yù)測微谓，這是因?yàn)閿?shù)學(xué)模型法對數(shù)據(jù)的完整性要求較高；而采用神經(jīng)網(wǎng)絡(luò)法输钩，不但可以進(jìn)行預(yù)測豺型，而且預(yù)測精度還比較高，雖然平均誤差由2. 76變?yōu)?. 23，但仍比在數(shù)據(jù)完整時(shí)的用數(shù)學(xué)模型法預(yù)測的誤差（ 11. 29 ）低很多姻氨。

　　本文結(jié)合數(shù)控機(jī)床可靠性預(yù)測的特點(diǎn)钓辆，建立了數(shù)控機(jī)床可靠性預(yù)測的三層BP神經(jīng)網(wǎng)絡(luò)模型及算法。系統(tǒng)地闡述了算法的原理肴焊、步驟及對算法中所碰到的有關(guān)問題的處理方法前联。通過與傳統(tǒng)的數(shù)學(xué)模型預(yù)測方法比較，得出本文所提出的可靠性預(yù)測方法比傳統(tǒng)數(shù)學(xué)模型預(yù)測方法更準(zhǔn)確可靠抖韩。

聲明：本網(wǎng)站所收集的部分公開資料來源于互聯(lián)網(wǎng)浇沧，轉(zhuǎn)載的目的在于傳遞更多信息及用于網(wǎng)絡(luò)分享，并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé)豹炊，也不構(gòu)成任何其他建議坏扣。本站部分作品是由網(wǎng)友自主投稿和發(fā)布、編輯整理上傳遂报，對此類作品本站僅提供交流平臺则徒，不為其版權(quán)負(fù)責(zé)。如果您發(fā)現(xiàn)網(wǎng)站上所用視頻瞳弱、圖片冠幕、文字如涉及作品版權(quán)問題，請第一時(shí)間告知纽债，我們將根據(jù)您提供的證明材料確認(rèn)版權(quán)并按國家標(biāo)準(zhǔn)支付稿酬或立即刪除內(nèi)容雇蚁，以保證您的權(quán)益！聯(lián)系電話：010-58612588 或 Email:editor@mmsonline.com.cn倚痰。