[发明专利]基于ADALINE神经网络的动态过程控制限确定方法及设备

说明书

本发明提供了一种基于ADALINE神经网络的动态过程控制限确定方法，该方法包括：确定加工过程初始控制限；收集实时加工过程信号；使用加工过程控制限更新模型；动态调节加工过程控制限；对所述加工控制限进行控制精度训练以及对加工过程进行状态监测。本发明还提供了一种设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中处理器运行所述计算机程序时执行本发明的基于ADALINE神经网络的动态过程控制限确定方法。

技术领域

本发明涉及一种重复性加工过程中过程控制限确认方法，具体地涉及通过产品加工生产线传感器采集动态过程信息(包括但不限于振动信号、声发射信号)，利用ADALINE神经网络(自适应线性神经网络)实现加工过程控制限自动更新方法以及执行该方法的设备。

背景技术

现代化车间生产综合了先进机床设备、工业机器人、自动测量系统、自动装夹系统和物料输送等技术，能够按照预先设定程序和参数进行自动化生产。但是对于加工环节而言，依然存在很多影响自动化加工的不稳定因素进而影响最终产品质量，例如错误的程序和操作、错误的装夹、不稳定的工件材料和毛坯质量、不稳定的刀具质量、不合理的工艺参数设定及其他不稳定的加工工况等。

加工过程中出现的各种不稳定因素和失误，不止会影响自动化生产，还会造成经济损失和浪费很多辅助时间。使用统计过程控制思想建立加工过程控制限，实现加工过程质量控制是一种有效思路。传统基于统计的控制限大多为静态控制限，例如根据产品的均值和标准差±3σ法，其时效性差，对于异常状态并不能准确做出判断和及时反应，而实际加工过程的状态监测需要实时性强、准确度高的控制限，传统静态控制限往往无法有效适用。本发明改造过去静态控制限为与点位相关的动态控制，该方式时变特性优越，相对于传统方法有更强适用性，可用于变量剧烈变化的强周期重复性加工过程状态控制。

发明内容

加工过程中各种不稳定因素监控和排查存在严重依赖现场操作者经验、判断反应不准确等弊端，使用过程统计控制思想建立加工过程控制限是一种有效思路。但目前大多数传统静态控制限不具有时变特性不能很好满足实际运用，基于此根据本发明的实施方式提供了一种基于ADALINE神经网络的过程控制限确定方法，ADALINE神经网络为一种具有良好自适应性的线性人工神经网络方法。在强周期重复性加工过程中，利用先进传感器主轴功率/切削力等工艺参数的实时变化被及时跟踪，通过对历史加工过程数据进行挖掘和学习，对重复性加工过程相同点位的工艺参数设置动态跟随的控制限，进而对加工过程的工艺参数进行时空动态控制，针对异常状态发出警报和暂停作业，实现提高加工稳定性、降低废品率和生产风险。

根据本发明的一个实施方式提供了一种基于ADALINE神经网络的动态过程控制限确定方法，包括：确定加工过程初始控制限；收集实时加工过程信号；使用加工过程控制限更新模型；动态调节加工过程控制限；对所述加工控制限进行控制精度训练以及对加工过程进行状态监测。

在一个可选的实施方式中，确定加工过程初始控制限的步骤包括：对于初次加工产品无历史数据，用第一次加工实测所得时序数据乘上根据经验所得的系数取得。

在另一个可选的实施方式中，确定加工过程初始控制限的步骤还可包括：收集强周期重复性加工过程历史数据；对该历史数据进行预处理，包括数据清洗，选择加工过程状态关联密切的过程特征参数时序数据进行降噪以及标准化处理；对预处理后所得加工过程数据用3σ法初步确定加工过程上下控制限，得到初始控制限。

在另一个可选的实施方式中，收集实时加工过程信号的步骤包括：根据产品加工机理以及现场机械加工设备设施特点，将传感器合理布置在相应位置，并以该传感器采集加工过程数据；判断实时数据是否为健康数据；对于非健康数据则先判断过程控制限是否漏报再生成记录，然后对每个周期加工过程实时测得数据进行预处理并记录动态数据。