杭州電子科技大學(xué)電子信息學(xué)院 朱詩榜

神經(jīng)網(wǎng)絡(luò)在水晶研磨機(jī)中的應(yīng)用

杭州電子科技大學(xué)電子信息學(xué)院 朱詩榜

水晶研磨機(jī)的磨盤因?yàn)樵诠ぷ髦械哪p，導(dǎo)致同樣的物品需要由有經(jīng)驗(yàn)的工人不斷地調(diào)整研磨時(shí)間，這樣大大降低了機(jī)器的自動(dòng)化水平。本文通過對研磨機(jī)的一系列數(shù)據(jù)運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行分析，擬合出最佳的研磨時(shí)間，并通過增加WiFi模塊對系統(tǒng)進(jìn)行遠(yuǎn)程控制，實(shí)現(xiàn)水晶研磨機(jī)的自動(dòng)化研磨控制，實(shí)驗(yàn)結(jié)果表明數(shù)據(jù)擬合符合預(yù)期，建立的研磨時(shí)間模型可以正確地應(yīng)用到實(shí)際生產(chǎn)中。

神經(jīng)網(wǎng)絡(luò)；水晶研磨機(jī)；自動(dòng)化

1.引言

隨著人們生活水平的提高，人們對于身邊裝飾品的要求也越來越高，因此對水晶飾品的需求也很高?，F(xiàn)有的水晶研磨機(jī)因?yàn)槟ケP的磨損需要手動(dòng)調(diào)整研磨時(shí)間，這樣就降低了機(jī)器的自動(dòng)化水平。本文基于BP算法設(shè)計(jì)了兩層神經(jīng)網(wǎng)絡(luò)，采集電機(jī)的轉(zhuǎn)矩，接觸面的壓力，轉(zhuǎn)動(dòng)次數(shù)等數(shù)據(jù)經(jīng)過神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，實(shí)現(xiàn)對研磨時(shí)間精準(zhǔn)、自動(dòng)的輸出，進(jìn)一步提升了設(shè)備的自動(dòng)化水平。

2.水晶研磨機(jī)的設(shè)計(jì)與實(shí)現(xiàn)

2.1 水晶研磨機(jī)的硬件設(shè)計(jì)

水晶研磨機(jī)系統(tǒng)是由三臺(tái)研磨機(jī)組成，分別處理粗磨、細(xì)磨、拋光三道工藝加工工序[1]，研磨機(jī)之間采用CAN總線進(jìn)行連接，具體的結(jié)構(gòu)如圖1所示。

圖1 水晶研磨機(jī)硬件設(shè)計(jì)框圖

每一臺(tái)水晶研磨機(jī)由微控制器、交互設(shè)備、驅(qū)動(dòng)器、電機(jī)、磨盤以及固定架等設(shè)備組成?？刂破鞑捎肧TM32F103ZET6，由MCU控制驅(qū)動(dòng)器，進(jìn)而控制電機(jī)進(jìn)行機(jī)械臂的運(yùn)動(dòng)和水晶研磨。WiFi模塊和STM32之間采用SPI總線進(jìn)行通信。人機(jī)交互可以通過鍵盤顯示屏，也可以通過WiFi和上位機(jī)進(jìn)行通信。

2.2 水晶研磨機(jī)的軟件設(shè)計(jì)

控制系統(tǒng)的工作主要就是實(shí)現(xiàn)水晶的加工，這個(gè)主要就是協(xié)調(diào)擺角電機(jī)、轉(zhuǎn)面電機(jī)和升降電機(jī)這三個(gè)電機(jī)的運(yùn)動(dòng)來進(jìn)行的。其中擺角電機(jī)用來轉(zhuǎn)動(dòng)鋁排改變傾斜度，繼而改變水晶的行轉(zhuǎn)角。轉(zhuǎn)面電機(jī)通過內(nèi)部機(jī)械轉(zhuǎn)軸帶動(dòng)水晶的自轉(zhuǎn)運(yùn)動(dòng)，這樣可以用來控制研磨的角度。升降電機(jī)通過調(diào)整磨盤高度控制研磨面積。我們可以根據(jù)需求對以上參數(shù)進(jìn)行設(shè)置，從而改變水晶的樣子。程序設(shè)計(jì)流程如圖2所示。

圖2 研磨機(jī)加工流程圖

3.基于神經(jīng)網(wǎng)絡(luò)的研磨優(yōu)化

3.1 神經(jīng)網(wǎng)絡(luò)參數(shù)選取

研磨時(shí)間和許多參數(shù)存在著相關(guān)性，包括磨盤的性能參數(shù)，環(huán)境等。但是不同的參數(shù)對研磨時(shí)間的影響大小不同，因此通過分析之后選取了轉(zhuǎn)矩、研磨次數(shù)、水晶和磨盤之間的壓力這幾個(gè)參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入信息，研磨時(shí)間作為輸出信息。

3.2 BP神經(jīng)網(wǎng)絡(luò)建模

BP神經(jīng)網(wǎng)絡(luò)建模的關(guān)鍵是確定網(wǎng)絡(luò)的層數(shù)和輸入層、隱含層、輸出層的神經(jīng)元個(gè)數(shù)。輸入層根據(jù)選取的參數(shù)定為三個(gè)神經(jīng)元，輸出層為研磨時(shí)間，故將神經(jīng)元定為一個(gè)，隱含層先根據(jù)經(jīng)驗(yàn)公式，其中h為隱含層節(jié)點(diǎn)數(shù)目，m、n為輸入和輸出層節(jié)點(diǎn)數(shù)目，a為1～10之間的調(diào)節(jié)參數(shù)，因此可先將隱含層的神經(jīng)元定為3個(gè)，后期根據(jù)情況可以進(jìn)行調(diào)整。激活函數(shù)隱含層選用雙曲正切S型函數(shù)，輸出層選擇線性函數(shù)f(x) = x，建立的神經(jīng)網(wǎng)絡(luò)模型如圖3所示：

圖3 BP神經(jīng)網(wǎng)絡(luò)

權(quán)值和偏置值矩陣形式的更新公式如下所示：

其中：

3.3 數(shù)據(jù)預(yù)處理

3.4 過擬合處理

神經(jīng)網(wǎng)絡(luò)因?yàn)檩斎雲(yún)?shù)維度過多或訓(xùn)練過度等原因可能導(dǎo)致過擬合問題，過擬合會(huì)嚴(yán)重影響神經(jīng)網(wǎng)絡(luò)的性能，對神經(jīng)網(wǎng)絡(luò)過擬合的處理有許多方法，有提前停止法、交叉驗(yàn)證、Dropout方法等。本文采用提前停止法，提前停止法將數(shù)據(jù)分為訓(xùn)練集合、驗(yàn)證集合和測試集合。訓(xùn)練集合是用于對目標(biāo)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。驗(yàn)證集合用來對網(wǎng)絡(luò)的訓(xùn)練結(jié)果進(jìn)行評判，當(dāng)驗(yàn)證集合精度連續(xù)多次都不再提高時(shí)，就停止訓(xùn)練。測試集合的作用是用來檢驗(yàn)最后的效果的，也就是對神經(jīng)網(wǎng)絡(luò)的預(yù)測能力的一個(gè)檢驗(yàn)。

3.5 軟件仿真

將采集到的數(shù)據(jù)歸一化處理后，通過MATLAB建立模型，求得BP神經(jīng)網(wǎng)絡(luò)的各個(gè)神經(jīng)元的權(quán)值和偏置值如下所示：