基于人工神經網絡的氣門電熱鐓粗工藝專家系統(tǒng).pdf

1、近年來隨著汽車產量激增及對性能要求的提高，所需氣門的規(guī)格、品種和數量愈來愈多，對其質量要求也愈來愈高。 目前氣門鍛件有兩種生產工藝方法： 一種是采用電鐓制坯，然后在螺旋壓力機上終鍛成型； 一種是熱擠壓制坯，然后鐓鍛成型。 在國內，目前普遍采用第一種工藝方法生產。 電熱鐓粗工藝具有設備投資較低、鍛件桿部尺寸精度高、各項質量系數較高等優(yōu)點，但由于電鐓過程涉及的工藝參數較多，某一參數不穩(wěn)定或相關工藝參數

2、配合不好，都將造成電鐓生產中的質量缺陷使成品率下降。目前對氣門電鐓工藝的研究主要集中在定性分析上，雖然采用了數值模擬和理論推導方式，但是由于電鐓工藝的影響因素較多，各因素之間相互作用，并且表示這些方法的模型都是在許多假設條件下建立起來的，模型的可靠性和置信度較差，很難用于實際生產。 因此利用人工神經網絡非常適合描述具有黑箱性質和非線性強的對象的優(yōu)點，設想將確定電鐓工藝參數的問題視為黑箱，影響工藝參數確定的各種因素作為神經網絡的輸

3、入，而把要確定的參數作為神經網絡的輸出，建立起某些復雜電鐓工藝參數確定的模型，通過足夠的數據樣本訓練神經網絡，來描述確定某些工藝參數的過程。本文采用組合BP人工神經網絡來逐步確定氣門電鐓工藝參數，用合適的學習樣本來訓練網絡，不僅能較好地描述工藝參數確定過程，還能預測出較為合理的工藝參數控制值。 為了提供實際可用的系統(tǒng)，將人工神經網絡和專家系統(tǒng)結合起來建立氣門電熱鐓粗混合專家系統(tǒng)。針對氣門電鐓成型的工藝問題，對比較容易運用邏輯推算

4、的工藝參數采用利用傳統(tǒng)的專家系統(tǒng)模式確定；而對于非線性、不容易精確推算的工藝參數采用人工神經網絡確定。從而實現了將善于處理精確、線性信息的傳統(tǒng)人工智能/專家系統(tǒng)和善于處理不精確、非線性的神經網絡系統(tǒng)的結合，為整個工藝過程的控制參數的確定提供了較好的實用的混合型系統(tǒng)。 本文利用面向對象編程技術C＋＋語言，在VC＋＋6.0程序開發(fā)器上，針對工藝參數的確定過程，采用基于原型的知識表示方式，將確定相應參數的知識庫和推理機制封裝起來。神經