[发明专利]一种基于APSO-BP的双配重盘自动平衡控制方法

说明书

本发明公开了一种基于APSO‑BP的双配重盘自动平衡控制方法，结合BP神经网络，充分利用每一次的平衡数据，拟合并优化配平参数，实现自动平衡控制。输入参数为两个平衡块初始位置A1、B1、转速N，不平衡力优化目标为系统振动响应最优输出为两个平衡块的目标位置A2、B2。本方法以已经获得配重块初始位置、转速和系统振动响应初值为前提，利用BP神经网络来拟合出系统振动值，结合自适应粒子群进行寻优得出两个配重块的最佳目标位置。能有效的根据神经系统拟合输入输出关系，利用改进的自适应调整权值的方法优化粒子群，有利于全局寻优，加快收敛速度，增加自动平衡系统控制的准确性和数据的有效性。

技术领域

本发明属于旋转机械振动主动控制和人工智能技术领域，具体涉及一种基于APSO-BP(自适应粒子群优化+BP神经网络)的双配重盘自动平衡控制方法。

背景技术

自动平衡技术可实时有效减少转子系统的不平衡振动，目前在高精度磨床、涡桨-螺旋桨等旋转机械上有工业应用且降振效果显著。自动平衡的控制算法是影响自动平衡降振效果的一个重要因素，当前的动平衡成熟算法多针对恒速稳态工况，然而实际应用多为非稳态工况，以涡桨-螺旋桨为例，在飞机起飞降落或各种飞行状态中其转子经常处于非稳定的工作状态。因此，研究可适用于各种工况的自动平衡控制方法的非常重要。

目前较为成熟的动平衡方法有影响系数法、模态平衡法、坐标轮换寻优以及它们的优化方法等，影响系数法和模态平衡法皆需要转子多次试运行来实现数据采集以进行不平衡量识别，此类方法为稳态平衡法。坐标轮换寻优在每次平衡调整前均进行试调，以确定下一步调整的方式和方向。该方法简单实用，在稳态及非稳态情况均适用，但试调过程存在盲目性，在寻优过程中会造成错调；且每次寻优都是从头开始，之前的调整过程存在的有益数据未能有效利用，平衡效率较低。

目前，针对转子动平衡的控制及优化算法中，公开号为CN103994858B的专利，提出了‘一种基于生物地理学智能优化支持向量机的动平衡检测控制算法’，与本专利所提出的APSO-BP方法不同，它采用支持向量机的机器学习方法来确认动平衡参数，通过结合卡尔曼滤波等方法抑制环境噪声对传感器测量的影响，以此提高控制系统的精确性。

公开号为CN104062072A的专利提出‘一种基于微分搜索算法的轴系动平衡多目标优化方法’；公开号为CN106092445A的专利提出‘一种基于矢量三角形计算法找转子动平衡的方法’；公开号为CN107389268A的专利提出‘一种基于快速算法的多点现场动平衡方法’；公开号为CN 107621333 A的专利提出‘一种不拆卸试重的转子现场双面动平衡校准装置及方法’；公开号为CN105890843A的专利提出‘一种涉及机械振动调整领域的动平衡方法和装置’，包括单面动平衡算法、双面动平衡算法和谐分量平衡算法。公开号为CN106153256A的专利提出‘一种磁悬浮转子高精度现场动平衡方法’。在已公开的发明或文献中，未提到使用基于APSO-BP的动平衡或自动平衡控制方法的实例。

近几年，人工智能和机器学习算法的兴起为许多领域的研究打开了新思路和新方法。BP网络是一种按照误差逆向传播算法训练的多层前馈神经网络，它无需事先确定输入输出之间映射关系的数学方程，仅通过自身的训练，学习某种规则，在给定输入值时得到最接近期望输出值的结果。而粒子群算法PSO是对动物集群活动行为观察基础上，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。

公开号为CN108198197A的专利，提出了利用粒子群算法求解图像边缘检测的最优灰度阈值，它在粒子群算法PSO的基础上提出优化方法，并建立了惯性权重调整公式：