惠州城市職業(yè)學(xué)院 劉錦杭

貼標(biāo)機(jī)是一種為包裝或產(chǎn)品添加標(biāo)簽的機(jī)器。它不僅具有美觀的效果，更重要的是可以實(shí)現(xiàn)產(chǎn)品銷售的跟蹤管理，特別是在制藥，食品等行業(yè)，貼標(biāo)機(jī)是現(xiàn)代包裝的組成部分。為使生產(chǎn)效益最大化，貼標(biāo)機(jī)的貼標(biāo)故障率往往需要降到最低。本文從貼標(biāo)機(jī)的三個參數(shù)作為分析因子，利用神經(jīng)網(wǎng)絡(luò)軟件MATLAB對系統(tǒng)進(jìn)行訓(xùn)練學(xué)習(xí)，建立系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型。最后在此模型下，進(jìn)行參數(shù)尋優(yōu)，實(shí)現(xiàn)系統(tǒng)參數(shù)的優(yōu)化，達(dá)到了最優(yōu)故障率。

一、參數(shù)分析

貼標(biāo)機(jī)在運(yùn)行過程中，最重要的設(shè)定參數(shù)主要有三個，分別是步進(jìn)電機(jī)速度、電磁鐵打開延時、電磁鐵關(guān)閉延時。對于電機(jī)速度，如果電機(jī)速度設(shè)定太高故障率會升高，如果速度太低，效率會降低。所以電機(jī)速度應(yīng)該設(shè)定在一個合理的范圍。對于電磁鐵打開延時，因?yàn)殡姶盆F打開延時的計(jì)時時刻為電機(jī)啟動瞬間，如果該延時設(shè)得過短，會導(dǎo)致回收輪在運(yùn)動中，壓標(biāo)輪就已經(jīng)執(zhí)行壓標(biāo)動作，導(dǎo)致標(biāo)帶扯斷；如果設(shè)得過大，效率會降低。對于電磁鐵關(guān)閉延時，因?yàn)殡姶盆F關(guān)閉延時的計(jì)時時刻為打開電磁鐵瞬間，如果該延時設(shè)得過短，會導(dǎo)致壓標(biāo)不成功中；如果設(shè)得過大，效率會降低。

綜上所述，步進(jìn)電機(jī)速度、電磁鐵打開延時和電磁鐵關(guān)閉延時三個參數(shù)必須設(shè)定為一個合理值才能使系統(tǒng)運(yùn)行在最佳狀態(tài)。在系統(tǒng)實(shí)際運(yùn)行中，對三個參數(shù)分別設(shè)定不同值，測得系統(tǒng)貼標(biāo)失敗率如表1-1所示。

表1-1 不同參數(shù)下貼標(biāo)故障率

從表1-1中可知，電磁鐵打開延時設(shè)置范圍為100ms～300ms之間；電磁鐵關(guān)閉延時設(shè)置范圍為100ms～300ms之間；步進(jìn)電機(jī)轉(zhuǎn)速設(shè)定范圍在100～500r/min之間；標(biāo)簽定位檢測時間為50ms～150ms之間；光纖靈敏度在400～600之間。假設(shè)設(shè)定時間分辨率為1ms，光纖靈敏度分辨率為1，則參數(shù)設(shè)置組合可與200×200×400×100×200=3200億種組合。這是非常龐大的設(shè)置組合，不可能所有組合一一設(shè)定進(jìn)行測試。由于人工神經(jīng)網(wǎng)絡(luò)無需事先確定輸入輸出之間映射關(guān)系的數(shù)學(xué)方程，僅通過自身的訓(xùn)練，學(xué)習(xí)某種規(guī)則，在給定輸入值時就可以得到最接近期望輸出值的結(jié)果。貼標(biāo)系統(tǒng)的貼標(biāo)失敗率和三個參數(shù)之間的關(guān)系是復(fù)雜的非線性關(guān)系，可通過神經(jīng)網(wǎng)絡(luò)對系統(tǒng)進(jìn)行訓(xùn)練學(xué)習(xí)，建立系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型。最后在此模型下，進(jìn)行參數(shù)尋優(yōu)，實(shí)現(xiàn)系統(tǒng)參數(shù)的優(yōu)化。

二、MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用

MATLAB具有強(qiáng)大的數(shù)學(xué)分析功能，其在神經(jīng)網(wǎng)絡(luò)分析方面，同樣表現(xiàn)出強(qiáng)大的分析能力。在訓(xùn)練神經(jīng)網(wǎng)絡(luò)前，需要對數(shù)據(jù)進(jìn)行預(yù)處理，一種重要的預(yù)處理手段是歸一化處理。下面簡要介紹歸一化處理的原理與方法。

1.數(shù)據(jù)歸一化

進(jìn)行數(shù)據(jù)歸一化，就是將數(shù)據(jù)映射到[0,1]或[-1,1]或更小的區(qū)間，比如(0.1,0.9)。需要對數(shù)據(jù)進(jìn)行歸一化的原因主要有：（1）輸入數(shù)據(jù)的單位不一樣；（2）數(shù)據(jù)的范圍不同，功能不同；（3）由于神經(jīng)網(wǎng)絡(luò)的輸出層中的激活函數(shù)的范圍是有限的，因此需要將網(wǎng)絡(luò)中訓(xùn)練的目標(biāo)數(shù)據(jù)映射到激活函數(shù)的范圍。Matlab中數(shù)據(jù)的歸一化主要采用以下兩個功能函數(shù)：

（1）.premnmx

將矩陣歸一化，主要用于訓(xùn)練數(shù)據(jù)集的歸一化。

（2）.postmnmx

矩陣映射是回歸到變換之前的范圍。該函數(shù)主要用于將神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果映射到歸一化前的數(shù)據(jù)范圍。

2.神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)函數(shù)

利用Matlab構(gòu)建一個神經(jīng)網(wǎng)絡(luò)，需要使用到三個功能函數(shù)：網(wǎng)絡(luò)創(chuàng)建函數(shù)newff、訓(xùn)練神經(jīng)網(wǎng)絡(luò)函數(shù)train、應(yīng)用建立得網(wǎng)絡(luò)進(jìn)行仿真的功能函數(shù)sim。

（1）.newff函數(shù)

神經(jīng)網(wǎng)絡(luò)創(chuàng)建函數(shù)，使用方法：net = newff ( A, B, {C} ,‘trainFun’)。

（2）.train函數(shù)

神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)函數(shù)，使用方法：[ net, tr, Y1, E ] = train( net, X, Y )。

圖3-1 神經(jīng)網(wǎng)絡(luò)MATLAB程序流程圖

（3）.sim函數(shù)

神經(jīng)網(wǎng)絡(luò)仿真函數(shù)，使用方法：Y=sim(net,X)。

三、系統(tǒng)參數(shù)優(yōu)化

1.神經(jīng)網(wǎng)絡(luò)MATLAB代碼設(shè)計(jì)

根據(jù)MATLAB神經(jīng)網(wǎng)絡(luò)建模方法，設(shè)計(jì)得神經(jīng)網(wǎng)絡(luò)參數(shù)尋優(yōu)MATLAB程序流程圖如圖3-1所示。

首先對輸入的數(shù)據(jù)進(jìn)行歸一化處理；然后創(chuàng)建網(wǎng)絡(luò)，設(shè)定訓(xùn)練參數(shù)，比如訓(xùn)練次數(shù)、訓(xùn)練精度等；最后應(yīng)用建立好的網(wǎng)絡(luò)對參數(shù)進(jìn)行尋優(yōu)。

根據(jù)程序流程圖，設(shè)計(jì)得MATLAB代碼如下：

2.參數(shù)優(yōu)化

在MATLAB運(yùn)行上面程序，得出網(wǎng)路訓(xùn)練結(jié)果圖如圖3-2所示。從圖中可看出，訓(xùn)練次數(shù)在180次的時候，訓(xùn)練誤差達(dá)到0.01。

圖3-2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

運(yùn)行后，MATLAB打印出的最佳參數(shù)為（160,100,190），最小失敗率為2.63。對貼標(biāo)控制器進(jìn)行設(shè)定，使得機(jī)器在參數(shù)（160,100,190）下運(yùn)行，統(tǒng)計(jì)實(shí)際的貼標(biāo)失敗率。并在此參數(shù)范圍內(nèi)進(jìn)行微調(diào)，最后確定機(jī)器在參數(shù)為（180，110，160）這個參數(shù)點(diǎn)運(yùn)行狀態(tài)最佳。

四、結(jié)束語

通過MATLAB神經(jīng)網(wǎng)絡(luò)建模以及參數(shù)尋優(yōu)，確定最佳參數(shù)為（280,280,340,50,440），最小貼標(biāo)失敗率為0.9541。對貼標(biāo)控制器進(jìn)行設(shè)定，讓機(jī)器在參數(shù)（280,280,340,50,440）下運(yùn)行，統(tǒng)計(jì)實(shí)際的貼標(biāo)失敗率，并在此參數(shù)范圍內(nèi)進(jìn)行微調(diào)，最后確定機(jī)器在參數(shù)為（260,290,320,60,455）這個參數(shù)點(diǎn)運(yùn)行狀態(tài)達(dá)到最佳，實(shí)測最小失敗率為0.9/1000，滿足2/1000的設(shè)計(jì)目標(biāo)。