基于RBF人工神经网络的钢铁件淬硬层深度实时在线电磁无损检测
在热处理生产中，许多控制要求具有实时性，即对现场的各种现象做出快速反应。例如在高频淬火过程中必须及时测量淬硬层深度，并以此来调整高频淬火工艺，从而获得合格的产品。近年来，笔者在钢铁件淬硬层深度的电磁无损检测方面做了一些工作，研制了DWY-1型电磁无损检测仪。然而在数据处理、数学建模上却遇到了许多难题，特别是不同的材料不同的热处理工艺其矫顽力与淬硬层深度之间的关系不同，需要事先建立知识库，从而无法实现实时在线检测。为此，我们采用人工神经网络建立矫顽力与淬硬层深度之间的映射关系实现了钢铁件淬硬层深度的实时在线无损检测。人工神经网络因其具有高度的非线性映射、快速并行分布处理、容错性、自组织和自学习等能力，是一种新颖的建模工具。它不像专家系统那样需要事先建立知识库，知识的获取只需足够的训练样本，训练合格的网络将知识存储在权系数中，人工神经网络能够模拟现实系统复杂的输入输出关系，具有很强的非线性建模能力，因而得到越来越广泛的应用。前馈网络和反馈网络是两种典型的网络，其中前馈网络主要用于实现输入与输出的映射和函数逼近;反馈网络主要用于获得联想存储和优化计算。而BP网络与RBF网络是两种典型的前馈网络，但BP网络存在着收敛速度慢、易陷入局部极小等缺点，尽管BP网络中引入了遗传算法、模拟退火算法、调整动量因子等算法，但是BP网络用于在线检测还是存在着弊端。因此，本文应用了无论从逼近能力还是学习速度方面均优于BP网络的径向基函数网络RBF(Radial Basis Function)，并且利用网络完成了电磁无损在线实时检测中的定量识别;为了加快在线检测的速度，本文利用了改进的Gram-Schmidt正交化方法优化网络结构。
RBF人工神经网络 在线电磁无损检测 淬硬层深度 实时在线检测
贾健明 陈剑鹤
常州信息职业技术学院 机电工程系
国内会议
上海
中文
2006-08-11（万方平台首次上网日期，不代表论文的发表时间）