本發(fā)明屬于銅材內(nèi)螺紋質(zhì)量預(yù)測技術(shù)領(lǐng)域，主要涉及一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法。

背景技術(shù)：

根據(jù)國家可持續(xù)發(fā)展要求和十二五規(guī)劃綱要，空調(diào)制造業(yè)正向著節(jié)能、環(huán)保、健康的方向發(fā)展。二號磷脫氧銅(TP2)因其具有良好的導(dǎo)熱性、耐腐蝕性和優(yōu)良的加工性能而被廣泛用于熱交換器、燃油系統(tǒng)、空氣限制器和泵管道及其他深沖和焊接制件中，尤其是在空調(diào)行業(yè)更是備受青睞。

TP2內(nèi)螺紋銅管具有良好的導(dǎo)熱性、抗磁性、耐腐蝕性和優(yōu)良的加工性能，廣泛應(yīng)用于空調(diào)和制冷用蒸發(fā)器和熱交換器管，冰箱用制冷管、冷凝管等。與傳統(tǒng)的光管相比，內(nèi)螺紋管可增加熱交換面積2～3倍，加之因螺旋狀內(nèi)螺紋而形成的湍流作用，可提高熱交換率20％～30％，節(jié)能15％。但是由于內(nèi)螺紋銅管的加工技術(shù)要求非常高，形成機(jī)理復(fù)雜，實際生成過程中主要依靠工人以往的生成經(jīng)驗來摸索確定成形工藝參數(shù)，加上我國的加工設(shè)備自動化程度相對較低，過分依賴操作人員的素質(zhì)，導(dǎo)致TP2內(nèi)螺紋銅管在內(nèi)螺紋成形階段經(jīng)常出現(xiàn)如折疊、齒形充不滿、外表面鋸齒傷等缺陷，品質(zhì)無法得到完全保證。目前，TP2內(nèi)螺紋銅管主要通過鋼球行星旋壓來形成銅管內(nèi)部的螺紋。由于內(nèi)螺紋銅管成形過程中具有電機(jī)高速旋壓、擠壓和旋壓相結(jié)合的特點，其成形機(jī)理十分復(fù)雜，因此利用遺傳算法的適應(yīng)度函數(shù)計算個體的適應(yīng)度值，建立基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，對內(nèi)螺紋成形質(zhì)量進(jìn)行預(yù)測具有重要的意義。

國內(nèi)外的眾多專家學(xué)者對旋壓成形工藝做了深入研究，但由于內(nèi)螺紋成形工藝的復(fù)雜性，初期的研究成果基本來源于基礎(chǔ)實驗和經(jīng)驗總結(jié)，沒有形成完整的理論。90年代后，研究的重點逐漸向著形成機(jī)理方向發(fā)展。Rotarescu分析了接觸區(qū)受力情況，咬入角大小、以及鋼球的大小和個數(shù)對內(nèi)螺紋成形質(zhì)量的影響，并形成了一定的理論。李茂盛等提出了利用平面應(yīng)變狀態(tài)下圓弧形沖頭壓入半無限體時平均接觸壓力來間接推算出加工過程中成形區(qū)平均接觸壓力的方法，討論了鋼球壓入半無限體的平均接觸壓力與鋼珠旋壓時接觸壓力以及平面應(yīng)變狀態(tài)下圓弧形沖頭壓入半無限體時平均接觸壓力之間的關(guān)系。王淼等通過有限元數(shù)值模擬的方法研究了在不同凹模轉(zhuǎn)速下軸向進(jìn)給比的變化規(guī)律及工件的成形規(guī)律，對模擬結(jié)果中應(yīng)力應(yīng)變的分布進(jìn)行了分析，并給出了薄壁滾珠旋壓時進(jìn)給比的選取范圍。上述研究大多從光管滾珠旋壓的受力和工藝參數(shù)角度來分析滾珠旋壓工藝對成形管件質(zhì)量的影響，很少涉及到成形機(jī)理和受力情況更復(fù)雜的內(nèi)螺紋成形研究。江樹勇等分析了薄壁筒縱向內(nèi)筋的成形過程，揭示了旋壓件內(nèi)筋的成形機(jī)理，但縱向內(nèi)筋成形完后脫模相對簡單。張光亮等分析了TP2內(nèi)螺紋成形工藝過程中折疊缺陷產(chǎn)生的原因，得出管坯與螺紋芯頭之間存在間隙是導(dǎo)致折疊形成的原因，但是未將該因素與具體的成形工藝參數(shù)聯(lián)系起來，分析不夠深入。

內(nèi)螺紋成形工序中，旋壓起槽階段是影響內(nèi)螺紋銅管成形質(zhì)量的關(guān)鍵步驟。內(nèi)螺紋滾珠旋壓工藝除了具有局部成形的旋壓特點以外，同時還具備了軋制和擠壓等諸多特點，金屬向齒槽內(nèi)填充是一個成形機(jī)理復(fù)雜、變形受模具、潤滑條件等眾多因素影響、易在銅管內(nèi)表面出現(xiàn)多種缺陷的力學(xué)過程，它所包含的幾何條件、邊界條件、接觸條件均是非線性的，屬于非線性問題范疇。

有限元模擬對于解決非線性問題是一種強(qiáng)有力的設(shè)計、分析和優(yōu)化工具，可用于分析和預(yù)測成形期間零件形狀的變化、坯料的變形規(guī)律、工藝參數(shù)對產(chǎn)品質(zhì)量和尺寸精度的影響規(guī)律以及缺陷形成區(qū)域等問題。但在實際生產(chǎn)中，工藝參數(shù)、潤滑條件、管坯的力學(xué)性能等都在時刻變化，加上模擬過程中受幾何模型、邊界條件等簡化的影響，有限元模擬的結(jié)果往往達(dá)不到實際生產(chǎn)的工藝參數(shù)要求，而BP神經(jīng)網(wǎng)絡(luò)通過從離散的實驗數(shù)據(jù)中進(jìn)行訓(xùn)練學(xué)習(xí)，可將內(nèi)螺紋成形質(zhì)量的預(yù)測轉(zhuǎn)化為求解網(wǎng)絡(luò)連接權(quán)值和閾值問題的信息系統(tǒng)，它可通過神經(jīng)元之間的相互連接和數(shù)學(xué)計算，建立起反應(yīng)內(nèi)螺紋成形過程中成形工藝參數(shù)與內(nèi)螺紋成形質(zhì)量之間內(nèi)在規(guī)律的系統(tǒng)模型。

技術(shù)實現(xiàn)要素：

為了克服背景技術(shù)的不足，本發(fā)明提供了一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法。主要建立了反映內(nèi)螺紋成形過程中各主要工藝參數(shù)與成形質(zhì)量內(nèi)在規(guī)律的系統(tǒng)模型，從而為內(nèi)螺紋成形質(zhì)量和缺陷的預(yù)測提供有效途徑。

本發(fā)明所采用的技術(shù)方案是：一種基于BP神經(jīng)網(wǎng)絡(luò)算法的銅管內(nèi)螺紋成形質(zhì)量預(yù)測方法，包括以下步驟：

S1.神經(jīng)網(wǎng)絡(luò)預(yù)測模型的確定：確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，包括網(wǎng)絡(luò)層數(shù)、隱含層的節(jié)點數(shù)和神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)和輸出層節(jié)點數(shù)，采用實數(shù)編碼，將各層權(quán)值和閾值作為基因進(jìn)行初始值編碼，編碼后每個神經(jīng)網(wǎng)絡(luò)對應(yīng)一條染色體；

S2.對訓(xùn)練樣本和檢驗樣本的歸一化處理，使用修正的線性函數(shù)Mapminmax將數(shù)據(jù)都映射到[0.1,0.9]范圍內(nèi)；

樣本歸一化處理計算方法如下：

$x_i=\frac{0.8(x-x_{\min })}{x_{\max }-x_{\min }}+0.1$

其中，x為待歸一化的數(shù)據(jù)；x_max，x_min分別為一列中的最大值和最小值，x_i歸一化后的數(shù)據(jù)。

S3.采用遺傳算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行選擇操作，確定種群規(guī)模N，隨機(jī)生成N條染色體，確定控制參數(shù)：控件參數(shù)包括交叉概率、變異概率和終止條件，確定適應(yīng)性函數(shù)，適應(yīng)性函數(shù)用來評判個體對環(huán)境的適應(yīng)性，根據(jù)適應(yīng)性函數(shù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到誤差作為初始適應(yīng)度值，并選擇適應(yīng)度高的個體；

S4.將選擇的兩個適應(yīng)度高的個體作為母體，依據(jù)步驟S3中設(shè)置的交叉概率，運(yùn)用交叉算子進(jìn)行交叉操作，依據(jù)步驟S3中設(shè)置的變異概率進(jìn)行變異操作；

S5.根據(jù)適應(yīng)度函數(shù)，計算適應(yīng)度值；

S6.檢驗是否滿足終止條件，若滿足，選擇最優(yōu)權(quán)值閾值，計算誤差更新權(quán)值閾值；

S7.根據(jù)步驟S6計算的誤差，滿足設(shè)定精度條件的終止循環(huán)，預(yù)測得到銅管內(nèi)螺紋的成形結(jié)果，若未滿足設(shè)定精度條件則回轉(zhuǎn)步驟S6。

本發(fā)明提供的工藝方法中，步驟S1中所述的隱含層的節(jié)點數(shù)根據(jù)2n+1(n為輸入層節(jié)點數(shù))確定。

本發(fā)明提供的工藝方法中，步驟S1中所述的神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)根據(jù)研究設(shè)定的自變量數(shù)確定，所述的神經(jīng)網(wǎng)絡(luò)的輸出層節(jié)點數(shù)根據(jù)研究設(shè)定的因變量數(shù)確定。

本發(fā)明提供的工藝方法中，步驟S1中所述的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3-7-1型網(wǎng)絡(luò)結(jié)構(gòu)。

本發(fā)明提供的工藝方法中，所述設(shè)定的自變量為電機(jī)轉(zhuǎn)速、拉拔速度和旋壓位置3個自變量。

本發(fā)明提供的工藝方法中，所述設(shè)定的因變量為內(nèi)螺紋齒高1個因變量。

本發(fā)明提供的工藝方法中，所述步驟S7中精度條件為誤差小于0.00001。

附圖說明

圖1為銅材成形數(shù)據(jù)作為樣本對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和測試后得到的均方差。

圖2為本發(fā)明方法預(yù)測結(jié)果與實測結(jié)果對比圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，技術(shù)工藝步驟，具體實施條件，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有付出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

實施例1

(1)確定BP神經(jīng)網(wǎng)絡(luò)模型的三個自變量為電機(jī)轉(zhuǎn)速、拉拔速度和旋壓位置以及一個因變量內(nèi)螺紋齒高，BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)設(shè)為3個，輸出層節(jié)點數(shù)設(shè)為1個。

(2)隱含層的節(jié)點數(shù)則根據(jù)Hecht-Nielsen提出的經(jīng)驗公式2n+1(n為輸入層節(jié)點數(shù))，分別選擇5、7和9，訓(xùn)練目標(biāo)0.00001，學(xué)習(xí)率0.1。

(3)BP神經(jīng)網(wǎng)絡(luò)選用3-7-1的網(wǎng)絡(luò)結(jié)構(gòu)。

(4)對訓(xùn)練樣本和檢驗樣本的歸一化處理使輸入輸出的數(shù)據(jù)映射在[0.1,0.9]內(nèi)。

訓(xùn)練樣本歸一化處理計算方法如下：

$x_i=\frac{0.8(x-x_{\min })}{x_{\max }-x_{\min }}+0.1$

其中，x為待歸一化的數(shù)據(jù)；x_max，x_min分別為一列中的最大值和最小值，x_i歸一化后的數(shù)據(jù)。

(5)BP神經(jīng)網(wǎng)絡(luò)所用初始值則是通過遺傳算法選擇、交叉和變異優(yōu)化后得到的相關(guān)數(shù)值，其中種群規(guī)模為10，進(jìn)化次數(shù)為50次，交叉概率為5，變異概率為0.2，

(6)利用正交實驗設(shè)計獲得的成形數(shù)據(jù)作為樣本對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和測試。

結(jié)果顯示訓(xùn)練樣本在經(jīng)歷13個循環(huán)后得到較小的均方差，采用本方法預(yù)測得到的銅材內(nèi)螺紋對應(yīng)齒高和實際測試得到的內(nèi)螺紋對應(yīng)齒高最小相對誤差為0.08％，最大相對誤差為0.77％，平均相對誤差為0.418％，本方法預(yù)測的齒輪成型質(zhì)量具備較高的精確度。

各位技術(shù)人員須知：雖然本發(fā)明已按照上述具體實施方式做了描述，但是本發(fā)明的發(fā)明思想并不僅限于此發(fā)明，任何運(yùn)用本發(fā)明思想的改裝，都將納入本專利專利權(quán)保護(hù)范圍內(nèi)。