汽車熱模鍛行業(yè)智能化鍛造系統(tǒng)與開放創(chuàng)新服務(wù)平臺(tái)研發(fā)及應(yīng)用示范(下)

文/董銘，胡斌，張波 ·浙江威力鍛壓機(jī)械有限公司

熱模鍛生產(chǎn)線數(shù)據(jù)實(shí)時(shí)感知技術(shù)研究

熱模鍛生產(chǎn)線感知設(shè)備軟硬件集成開發(fā)

智能鍛造平臺(tái)包括智能感知層(生產(chǎn)線數(shù)據(jù)采集處理)和業(yè)務(wù)平臺(tái)層(自動(dòng)決策智能化系統(tǒng))。智能感知層是通過(guò)各種智能感知終端感知鍛造生產(chǎn)線的各種多源異構(gòu)數(shù)據(jù).如制造設(shè)備的工藝參數(shù)、設(shè)備運(yùn)行數(shù)據(jù)、各種材料消耗數(shù)據(jù)、成形鍛件質(zhì)量數(shù)據(jù)、能源消耗數(shù)據(jù)等等，通過(guò)智能感知層實(shí)現(xiàn)數(shù)據(jù)的感知輕量化處理，為自動(dòng)決策智能化系統(tǒng)提供數(shù)據(jù)支撐。

整個(gè)系統(tǒng)分為前端可視化部分和后端數(shù)據(jù)采集處理部分，都有其對(duì)應(yīng)的數(shù)據(jù)庫(kù)和服務(wù)器。在前端可視化部分，用戶群體通過(guò)PC端、移動(dòng)端，LED大屏中的Web瀏覽器通過(guò)HTTP協(xié)議訪問(wèn)Web服務(wù)器，Web服務(wù)器通過(guò)Axios請(qǐng)求后端接口獲取MySQL中的數(shù)據(jù)；主數(shù)據(jù)庫(kù)采用MySQL持久存儲(chǔ)數(shù)據(jù)，為防止數(shù)據(jù)請(qǐng)求量突然增大導(dǎo)致數(shù)據(jù)庫(kù)宕機(jī)，使用了Redis緩存技術(shù)：應(yīng)用處理服務(wù)器從預(yù)處理數(shù)據(jù)庫(kù)中調(diào)取原始數(shù)據(jù)，數(shù)據(jù)處理好后分別存儲(chǔ)到主數(shù)據(jù)庫(kù)和備份數(shù)據(jù)庫(kù)之中，云數(shù)據(jù)庫(kù)的作用是數(shù)據(jù)備份及長(zhǎng)久存儲(chǔ)，本系統(tǒng)是部署在阿里云服務(wù)器中，選擇阿里云平臺(tái)的云數(shù)據(jù)RDS作為備份數(shù)據(jù)庫(kù)，它們位于同一地域，直接采用專有網(wǎng)絡(luò)VPC(內(nèi)網(wǎng))快速連接實(shí)現(xiàn)數(shù)據(jù)備份。

系統(tǒng)的整體流程大致為數(shù)據(jù)采集.數(shù)據(jù)預(yù)處理.數(shù)據(jù)融合和數(shù)據(jù)可視化四個(gè)階段。數(shù)據(jù)采集模塊針對(duì)不同的數(shù)據(jù)結(jié)構(gòu)采取對(duì)應(yīng)的方法處理數(shù)據(jù)，保證原始數(shù)據(jù)的可用性；對(duì)采集到的原始數(shù)據(jù)根據(jù)不同的數(shù)據(jù)問(wèn)題進(jìn)行對(duì)應(yīng)的預(yù)處理，然后判斷數(shù)據(jù)來(lái)源，針對(duì)來(lái)自傳感器的環(huán)境參數(shù)數(shù)據(jù)還需要采取自適應(yīng)加權(quán)平均算法和灰色預(yù)測(cè)算法進(jìn)行數(shù)據(jù)融合，最終將處理分析后的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中，最后數(shù)據(jù)可視化完成，對(duì)處理分析后的數(shù)據(jù)結(jié)果進(jìn)行可視化展示。

數(shù)據(jù)感知收集模塊系統(tǒng)

數(shù)據(jù)感知收集模塊系統(tǒng)的分類依據(jù)主要基于鍛造生產(chǎn)線的特點(diǎn)和數(shù)據(jù)收集需求。在鍛造生產(chǎn)線上，不同的設(shè)備和工藝環(huán)節(jié)會(huì)產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)對(duì)于生產(chǎn)過(guò)程的監(jiān)控、優(yōu)化和故障預(yù)警具有重要意義。因此，數(shù)據(jù)感知收集模塊系統(tǒng)的分類依據(jù)主要包括以下幾個(gè)方面。

設(shè)備類型：鍛造生產(chǎn)線上的設(shè)備種類繁多，包括壓力機(jī)、加熱爐、傳送帶等。不同類型的設(shè)備產(chǎn)生的數(shù)據(jù)特性和收集方式有所不同，因此需要根據(jù)設(shè)備類型進(jìn)行分類收集。

數(shù)據(jù)類型：鍛造生產(chǎn)線上的數(shù)據(jù)包括溫度、壓力速度、位移等多種類型。不同類型的數(shù)據(jù)對(duì)于生產(chǎn)過(guò)程的監(jiān)控和優(yōu)化具有不同的作用、因此需要根據(jù)數(shù)據(jù)類型進(jìn)行分類收集，以便更好地滿足生產(chǎn)需求。

感知技術(shù)：隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，越來(lái)越多的感知技術(shù)被應(yīng)用于鍛造生產(chǎn)線上的數(shù)據(jù)收集。不同的感知技術(shù)具有不同的優(yōu)缺點(diǎn)和適用范圍，因此需要根據(jù)感知技術(shù)進(jìn)行分類收集，以便更好地選擇適合的感知技術(shù)來(lái)滿足生產(chǎn)需求。

基于以上分類依據(jù)，本項(xiàng)目設(shè)計(jì)的感知層包含以下功能模塊：人員操作感知模塊、壓力機(jī)狀態(tài)感知模塊、冷切機(jī)狀態(tài)感知模塊、加熱爐感知模塊、機(jī)械手感知模塊、鍛件質(zhì)量感知模塊等。這些模塊針對(duì)不同的設(shè)備和數(shù)據(jù)類型，采用不同的感知技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)、準(zhǔn)確收集，為生產(chǎn)過(guò)程的監(jiān)控、優(yōu)化和故障預(yù)警提供有力支持。

(1)人員操作感知模塊。

工作表單主要記錄各工位操作員、維保人員的操作，當(dāng)遇到異常工況時(shí)操作變化，設(shè)定參數(shù)的調(diào)整。異常工況記錄表，參數(shù)調(diào)整記錄表，維修保養(yǎng)記錄表，調(diào)整變化記錄表等一系列反映人員操作，異常處理，結(jié)果反饋等信息的記錄，供后續(xù)大數(shù)據(jù)分析。

(2)壓力機(jī)狀態(tài)感知模塊。

壓力機(jī)作為生產(chǎn)線最為核心設(shè)備，其安全穩(wěn)定經(jīng)濟(jì)運(yùn)行也最為重要。因此，通過(guò)增加傳感器等方式，共采集129個(gè)壓力機(jī)相關(guān)數(shù)據(jù)，包括當(dāng)前轉(zhuǎn)速、角度、當(dāng)前電流、總噸位、機(jī)器碼、授權(quán)碼、正反轉(zhuǎn)保護(hù)時(shí)間、主電機(jī)啟動(dòng)時(shí)間，等等。

(3)冷切機(jī)狀態(tài)感知模塊。

冷切機(jī)用于下料，其進(jìn)給量控制精度和鋸片厚度等通過(guò)影響坯料質(zhì)量對(duì)鍛件質(zhì)量有直接影響。本項(xiàng)目冷切機(jī)共采集數(shù)據(jù)點(diǎn)位56個(gè)，包括截面積、工件長(zhǎng)度補(bǔ)償、尾工件補(bǔ)償、首支工件補(bǔ)償、鋸片壽命報(bào)警設(shè)定、單箱已切支數(shù)、整批已切支數(shù)，等等。

(4)加熱爐感知模塊。

加熱爐負(fù)責(zé)將坯料加熱至預(yù)設(shè)工藝溫度，其溫度設(shè)定和控制精度是鍛造成形質(zhì)量的重要影響因素。本項(xiàng)目加熱爐數(shù)據(jù)采集點(diǎn)位42個(gè)，包括交流電壓1/2.輸入電流、輸入電壓、輸出頻率，等等。

(5)機(jī)械手感知模塊。

本項(xiàng)目通過(guò)三臺(tái)機(jī)械手實(shí)現(xiàn)生產(chǎn)線無(wú)人化，機(jī)械手運(yùn)動(dòng)的控制和調(diào)整關(guān)乎生產(chǎn)線的穩(wěn)定運(yùn)行，共采集機(jī)械手位置信息及電控?cái)?shù)據(jù)46個(gè)，包括ROB2程序運(yùn)行狀態(tài)，設(shè)備狀態(tài)，設(shè)備產(chǎn)能、設(shè)備報(bào)警信息，ROB1當(dāng)前速度，模式，位置，等等。

(6)鍛件質(zhì)量感知模塊。

鍛件質(zhì)量感知模塊通過(guò)在線檢測(cè)鍛件的三維尺寸數(shù)據(jù)實(shí)現(xiàn)模具壽命預(yù)測(cè)和人工智能鍛造工藝的優(yōu)化，共設(shè)計(jì)了20個(gè)三維數(shù)據(jù)采集點(diǎn)位和8個(gè)二維數(shù)據(jù)采集點(diǎn)位用于鍛件尺寸精度和表面瑕疵的判定，這些數(shù)據(jù)通過(guò)智能感知層進(jìn)行輕量化處理，為自動(dòng)決策智能化系統(tǒng)提供數(shù)據(jù)支撐。在熱模鍛生產(chǎn)線感知裝置軟硬件集成開發(fā)中，三維尺寸檢測(cè)設(shè)備的準(zhǔn)確性和穩(wěn)定性對(duì)于整個(gè)生產(chǎn)線的運(yùn)行和產(chǎn)品質(zhì)量至關(guān)重要。本項(xiàng)目通過(guò)鍛件三維尺寸數(shù)據(jù)的在線檢測(cè)，一方面用于模具壽命預(yù)測(cè)，及時(shí)更換模具，一方面用于人工智能鍛造工藝的優(yōu)化。

熱模鍛生產(chǎn)線感知與控制裝置硬件布置

(1)數(shù)據(jù)采集處理與實(shí)時(shí)感知技術(shù)。

熱模鍛壓力機(jī)通過(guò)傳感器，以壓力、行程、速度等感知參量為核心，反饋至數(shù)據(jù)采集和控制系統(tǒng)，根據(jù)各關(guān)鍵節(jié)點(diǎn)傳感器檢測(cè)信息監(jiān)測(cè)系統(tǒng)工作狀態(tài)，實(shí)現(xiàn)故障監(jiān)測(cè)、報(bào)警、診斷功能。

(2)感知裝置硬件集成開發(fā)與自動(dòng)決策智能化系統(tǒng)。

熱模鍛壓力機(jī)傳感器與硬件集成相互作用，根據(jù)產(chǎn)品檢測(cè)數(shù)據(jù)及壓力機(jī)工作狀態(tài)實(shí)時(shí)檢測(cè)結(jié)果，通過(guò)智能算法庫(kù)，自動(dòng)調(diào)整壓力機(jī)的速度、壓力和控制加熱溫度等參數(shù)。根據(jù)模具的傳感數(shù)據(jù)，自動(dòng)調(diào)整潤(rùn)滑及冷卻劑的噴射量，維護(hù)模具壽命，根據(jù)智能化決策系統(tǒng)指令自動(dòng)預(yù)設(shè)鍛造工藝參數(shù)。

(3)智能輔助制造系統(tǒng)開發(fā)。

熱模鍛壓力機(jī)輔助制造系統(tǒng)主要包括進(jìn)料傳送定位裝置、除氧化皮裝置、機(jī)械手及其輸送裝置，物料及成品倉(cāng)儲(chǔ)區(qū)和模具、工具及機(jī)床附件庫(kù)存區(qū)。輔助裝置實(shí)現(xiàn)與主壓力機(jī)的數(shù)據(jù)共享，互感互知。信息化運(yùn)輸配送系統(tǒng)負(fù)責(zé)生產(chǎn)系統(tǒng)中原材料、工件、成品在生產(chǎn)線內(nèi)的輸送任務(wù)，將車間的所有運(yùn)輸工具作為終端，基于工件、材料、模具等的位置信息及設(shè)備或生產(chǎn)線的需求信息，統(tǒng)一控制、管理、調(diào)度，高效完成生產(chǎn)運(yùn)輸、配送任務(wù)。

智能算法在鍛造生產(chǎn)全生命周期的融合應(yīng)用研究

智能化鍛造在線監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

熱模鍛鍛造系統(tǒng)分為三個(gè)部分，無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)采集部分：將熱模鍛參數(shù)從ZigBee模塊上傳到監(jiān)控中心的過(guò)程：使用Kingview建立一個(gè)數(shù)據(jù)監(jiān)控中心。整個(gè)解決方案如下：ZigBee無(wú)線傳感器模塊收集熱模鍛過(guò)程的工藝和管理參數(shù)，并將其通過(guò)RS-232傳輸?shù)終ingview軟件。其中，Kingview軟件通過(guò)串行端口與熱模鍛生產(chǎn)線中的數(shù)據(jù)收集設(shè)備進(jìn)行通信。構(gòu)建ODBC數(shù)據(jù)源最終實(shí)現(xiàn)Kingview與實(shí)時(shí)數(shù)據(jù)庫(kù)SQLServer之間的通信，并實(shí)現(xiàn)數(shù)據(jù)查詢、更新、刪除和動(dòng)態(tài)實(shí)時(shí)圖形顯示，從而使員工可以準(zhǔn)確地判斷熱鍛工作的狀態(tài)。

(1)組態(tài)軟件設(shè)計(jì)。

使用Kingview軟件設(shè)計(jì)可配置的圖形界面，并設(shè)置動(dòng)畫連接、文本和趨勢(shì)圖。傳感器收集的數(shù)據(jù)通過(guò)RS-232傳輸?shù)終ingview監(jiān)控中心。將SQLServer用作實(shí)時(shí)數(shù)據(jù)庫(kù).并使用ODBC與Kingview通信。在Kingview中可以完成查詢、修改和刪除數(shù)據(jù)庫(kù)中對(duì)象的操作。此設(shè)計(jì)中，該字段中工藝和管理參數(shù)顯示有兩種類型：文本顯示和趨勢(shì)圖顯示。如果壓力、速度，溫度或節(jié)點(diǎn)電壓超過(guò)預(yù)定義的限制，在監(jiān)視中心中會(huì)顯示一條錯(cuò)誤消息。該系統(tǒng)的遠(yuǎn)程監(jiān)視系統(tǒng)大致可分為用戶和對(duì)象管理系統(tǒng)、實(shí)時(shí)顯示、統(tǒng)計(jì)分析、數(shù)據(jù)庫(kù)管理和警報(bào)模塊。

(2)組態(tài)設(shè)計(jì)過(guò)程。

定義外部設(shè)備和變量。設(shè)備定義在項(xiàng)目瀏覽器的“設(shè)備”中完成，在該設(shè)備上選擇驅(qū)動(dòng)程序并設(shè)置通信參數(shù)。Kingview具有兩種變量：系統(tǒng)定義的變量和用戶在Kingview項(xiàng)目瀏覽器數(shù)據(jù)庫(kù)的數(shù)據(jù)字典中定義一個(gè)自定義變量并定義該變量的三個(gè)方面。用戶可以根據(jù)需要完成每個(gè)變量的詳細(xì)設(shè)置。

(3)數(shù)據(jù)庫(kù)設(shè)計(jì)。

在硬件中傳輸?shù)膮?shù)可以存儲(chǔ)在數(shù)據(jù)庫(kù)中，操作員可以監(jiān)視對(duì)這些參數(shù)的特定操作，并且數(shù)據(jù)以動(dòng)態(tài)圖的形式顯示在Kingview屏幕上，使操作員熟悉字段收集狀態(tài)。項(xiàng)目組主要研究歷史數(shù)據(jù)庫(kù)設(shè)計(jì)和實(shí)時(shí)數(shù)據(jù)庫(kù)設(shè)計(jì)。

①歷史數(shù)據(jù)庫(kù)設(shè)計(jì)。主要從三個(gè)方面介紹歷史數(shù)據(jù)庫(kù)設(shè)計(jì)：開始配置，設(shè)置變量和查詢數(shù)據(jù)。操作員可以驗(yàn)證歷史記錄數(shù)據(jù)庫(kù)是否可以通過(guò)信息窗口正常啟動(dòng)。如果無(wú)法正常啟動(dòng)，則記錄數(shù)據(jù)庫(kù)服務(wù)未啟動(dòng)。記錄數(shù)據(jù)庫(kù)正常啟動(dòng)時(shí)在項(xiàng)目瀏覽器中配置歷史數(shù)據(jù)庫(kù)，完成配置后，可以查詢歷史數(shù)據(jù)記錄?？梢允褂脷v史數(shù)據(jù)庫(kù)記錄所有整數(shù)變量、實(shí)數(shù)變量和離散變量。在Kingview中有保存歷史數(shù)據(jù)的四種記錄：數(shù)據(jù)更改記錄、備份記錄、每個(gè)設(shè)置記錄和定時(shí)記錄。

②實(shí)時(shí)數(shù)據(jù)庫(kù)設(shè)計(jì)。本設(shè)計(jì)中使用的實(shí)時(shí)數(shù)據(jù)庫(kù)為SQLServe,實(shí)時(shí)數(shù)據(jù)庫(kù)的設(shè)計(jì)如下：在KingView的SQLAccessManager下的表模板中創(chuàng)建表模板table1。SQLServer數(shù)據(jù)庫(kù)與Kingview通信后，可以使用table?作為模板在Kingview中為數(shù)據(jù)庫(kù)創(chuàng)建表以記錄收集的工藝和管理參數(shù)。

系統(tǒng)接口和功能

(1)組態(tài)網(wǎng)與外部通信。

定義串口。按照以下步驟設(shè)置串口：第一步，選擇串行設(shè)備驅(qū)動(dòng)程序——三菱FX2;第二步，將新安裝的設(shè)備命名為"NewIODevice":第三步，選擇設(shè)備的串行端口號(hào)，選擇“COM4”作為設(shè)備的通信串行端口；第四步，指定已安裝設(shè)備的地址。此為Kingview的基址1,必須定義通信參數(shù)。恢復(fù)間隔為30秒，最大恢復(fù)時(shí)間為24小時(shí)。完成后，單擊"完成"按鈕，設(shè)備圖標(biāo)出現(xiàn)在Kingview軟件的“設(shè)備”中該軟件是新1O設(shè)備的串行數(shù)據(jù)傳輸設(shè)備。

(2)系統(tǒng)安全管理。

從開發(fā)安全性和操作安全性考慮系統(tǒng)的安全性管理模塊。開發(fā)安全性主要是通過(guò)設(shè)置密碼來(lái)保證的下面主要介紹操作安全性。

①用戶和對(duì)象管理。熱模鍛系統(tǒng)中，設(shè)計(jì)了不同的組以合理地管理大量用戶和管理員，系統(tǒng)設(shè)計(jì)者還可以設(shè)置默認(rèn)用戶屬性。

②登錄用戶。在Kingview中創(chuàng)建一個(gè)登錄主屏幕設(shè)置登錄和按鈕，操作員選擇相應(yīng)的登錄ID并登錄以獲取安全級(jí)別和操作權(quán)利。

(3)工藝和管理數(shù)據(jù)顯示。

①接收數(shù)據(jù)處理。接收到的數(shù)據(jù)為65位字符串由Kingview數(shù)據(jù)字典的“數(shù)據(jù)接收變量”確定。前11位代表其他設(shè)備的地址位，21～31位是要監(jiān)視數(shù)據(jù)的坯料質(zhì)量，坯料尺寸、加熱時(shí)間、保溫時(shí)間、模具溫度、始鍛溫度、終鍛溫度、成形速率、能耗管理之一，而41~51位是它們的閾值。62~65位是節(jié)點(diǎn)電壓。

②文本顯示。方法：首先創(chuàng)建顯示屏幕，創(chuàng)建文本，然后建立與文本的動(dòng)畫連接，最后在“動(dòng)畫連接”對(duì)話框中進(jìn)行連接并輸出與數(shù)值相對(duì)應(yīng)的模擬變量。設(shè)置動(dòng)畫連接，可以在設(shè)置屏幕上動(dòng)態(tài)顯示現(xiàn)場(chǎng)收集的工藝和管理參數(shù)。

③報(bào)警事件。報(bào)警系統(tǒng)在整個(gè)熱模鍛監(jiān)控系統(tǒng)中起著特別重要的作用。通過(guò)向員工提供反饋，員工確定故障原因并及時(shí)處理故障。警報(bào)組以樹形結(jié)構(gòu)分布。在Kingview窗口中創(chuàng)建一個(gè)報(bào)告屏幕，并添加要顯示的變量，包括日期、時(shí)間和變量。

全生命周期汽車零件熱模鍛生產(chǎn)自動(dòng)決策智能化算法

汽車空調(diào)壓縮機(jī)動(dòng)渦旋盤的神經(jīng)網(wǎng)絡(luò)模型與知識(shí)圖譜

(1)空調(diào)壓縮機(jī)動(dòng)渦旋盤參數(shù)與鍛造工藝。

在實(shí)際生產(chǎn)過(guò)程中，動(dòng)渦旋盤的材料選用高強(qiáng)度鋁合金，塑性較差，變形抗力大。在擠壓過(guò)程中，由于渦旋壁高且薄，金屬材料流動(dòng)速度與其在渦旋中的位置有關(guān)，極易造成金屬材料流速不均勻，導(dǎo)致渦旋高度不一致。因此本項(xiàng)目設(shè)計(jì)了渦旋盤的背壓結(jié)構(gòu)成形方案，構(gòu)建背壓阻尼式模具方案的有限元模型。在凹模中添加背壓體從而控制金屬流動(dòng)。背壓體通過(guò)作用在渦旋端部流速快的位置并阻礙此處的金屬材料流動(dòng)，以此提高渦旋端面高度一致性。背壓力設(shè)置過(guò)小會(huì)導(dǎo)致背壓力不對(duì)坯料起作用，背壓力過(guò)大會(huì)導(dǎo)致大幅度增加成形載荷，最終將背壓力設(shè)置為20kN。

研究結(jié)果表明，帶背壓結(jié)構(gòu)的凹模所受等效應(yīng)力大于帶控制腔結(jié)構(gòu)的凹模，發(fā)生斷裂失效的概率大于帶控制腔結(jié)構(gòu)的凹模。

(2)面向渦旋盤模具應(yīng)力優(yōu)化的智能算法框架。

利用數(shù)據(jù)采集系統(tǒng)中的數(shù)據(jù)，通過(guò)MATLAB使用神經(jīng)網(wǎng)絡(luò)建立汽車熱模鍛生產(chǎn)線中生產(chǎn)工藝參數(shù)和目標(biāo)參數(shù)之間的函數(shù)模型。

(3)神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)搭建。

分別對(duì)三個(gè)輸出工藝參數(shù)和輸入工藝參數(shù)進(jìn)行訓(xùn)練建模，利用測(cè)試數(shù)組測(cè)試模型的準(zhǔn)確性。

(4)神經(jīng)網(wǎng)絡(luò)模型評(píng)價(jià)。

結(jié)果表明，利用神經(jīng)網(wǎng)絡(luò)模型計(jì)算得到的成形載荷、殘余應(yīng)力和模具變形量與測(cè)試數(shù)組的結(jié)果存在一定的誤差，但整體趨勢(shì)一致，且誤差值在可接受范圍內(nèi)，這說(shuō)明所建立的神經(jīng)網(wǎng)絡(luò)模型具有一定的預(yù)測(cè)能力和參考價(jià)值。對(duì)于成形載荷的預(yù)測(cè)，神經(jīng)網(wǎng)絡(luò)模型的計(jì)算結(jié)果與測(cè)試數(shù)組結(jié)果的誤差較小，且在前35個(gè)訓(xùn)練數(shù)據(jù)點(diǎn)的范圍內(nèi)，預(yù)測(cè)結(jié)果與實(shí)際結(jié)果較為接近。對(duì)于殘余應(yīng)力和模具變形量的預(yù)測(cè)，雖然存在一些波動(dòng)，但整體趨勢(shì)與測(cè)試數(shù)組結(jié)果相符，且誤差值并未出現(xiàn)明顯的偏離。

值得注意的是，測(cè)試數(shù)據(jù)在建模時(shí)并未參與神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，因此測(cè)試結(jié)果的準(zhǔn)確性可以反映模型的泛化能力。從測(cè)試結(jié)果來(lái)看，所建立的神經(jīng)網(wǎng)絡(luò)模型具有一定的泛化能力，可以對(duì)未知數(shù)據(jù)進(jìn)行有效的預(yù)測(cè)。

汽車萬(wàn)向節(jié)鐘形罩熱模鍛設(shè)計(jì)

(1)鐘形罩參數(shù)與工藝。

①鐘形罩鍛造設(shè)計(jì)模型。

通過(guò)對(duì)現(xiàn)有的萬(wàn)向節(jié)鐘形罩的形狀進(jìn)行研究.選擇了三種單元來(lái)表達(dá)鐘形罩的熱模鍛特征信息.萬(wàn)向節(jié)鐘形罩是由上面三種單元經(jīng)過(guò)一系列空間位置的排列所組成的。

②單元成形模型。

經(jīng)過(guò)分析選擇如圖28所示的單元成形模型，此模型是一個(gè)正擠壓模型，下模由擠壓筒和擠壓型腔組成。

③輸入和輸出設(shè)計(jì)。

輸出和輸入的向量設(shè)計(jì)，是將鍛件的特征信息模型進(jìn)行必要的數(shù)據(jù)處理，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，把所有的數(shù)據(jù)都放置于[0.1]之間，主要原因?yàn)殡[藏層所選用的是Sigmod型激勵(lì)函數(shù)。圖29是萬(wàn)向節(jié)鐘形罩最終鍛件的外形簡(jiǎn)要圖，鍛件特征信息模型的初始數(shù)據(jù)取自此圖。圖30是萬(wàn)向節(jié)鐘形罩的模具圖，輸出向量的數(shù)據(jù)取自此圖，主要是相應(yīng)模具的關(guān)鍵尺寸。

圖28 單元成形模型

圖29 最終鍛件簡(jiǎn)要圖

圖30 凸模圖

(2)鐘形罩模具壽命的建模與分析。

本神經(jīng)網(wǎng)絡(luò)模型采用擁有兩個(gè)隱藏層的四層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，如圖31所示，輸入層有6個(gè)神經(jīng)元，即為對(duì)熱模鍛過(guò)程中模具的磨損量造成影響的參數(shù)(鍛造的溫度。壓力，圓角半徑、上模下壓的速度、模具的硬度和上下模的間隙)。隱藏層1和2都采用1個(gè)神經(jīng)元，輸出層即為模具的磨損量。輸入層和隱藏層的函數(shù)連接采用logsig,隱藏層和輸出層的函數(shù)采用tansig。

圖31 神經(jīng)網(wǎng)絡(luò)模型

隨后，我們根據(jù)具體數(shù)據(jù)建立與分析神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明，這四種算法的擬合度都較差，但Levenberg-Marguardt算法的擬合度處于第二的水平并且其經(jīng)過(guò)8步的訓(xùn)練后，誤差達(dá)到0.086483,誤差最低，因此選用此算法進(jìn)行神經(jīng)網(wǎng)絡(luò)模型的驗(yàn)證。

驗(yàn)證所使用的數(shù)據(jù)和結(jié)果，其文獻(xiàn)中的結(jié)果值為3.79,可見，雖然此算法仍存在一定誤差，但能夠在一定范圍內(nèi)預(yù)測(cè)。

(3)鐘形罩質(zhì)量模型的建模與分析。

①熱模鍛質(zhì)量數(shù)據(jù)的預(yù)處理過(guò)程。

在鍛造過(guò)程的數(shù)據(jù)特征集合中，挑選出幾組最能影響鍛造過(guò)程穩(wěn)定性的因素，去除掉影響因素不大的幾種變量，從而達(dá)到降維的目的，并顯著提高質(zhì)量分析模型的建模效率和模型性能。其過(guò)程一般包括產(chǎn)生過(guò)程、評(píng)價(jià)函數(shù)、停止準(zhǔn)則和驗(yàn)證過(guò)程。

②鐘形罩質(zhì)量模型特征選擇。

查閱大量的文獻(xiàn)資料，分析熱模鍛生產(chǎn)過(guò)程的數(shù)據(jù)后得到熱模鍛產(chǎn)品的質(zhì)量指標(biāo)主要包括原材料成分、鍛件幾何尺寸、鍛件硬度、表面質(zhì)量、探傷缺陷、金相組織、力學(xué)性能、晶粒度和脫碳層等?；谏鲜?/span>質(zhì)量指標(biāo)，將質(zhì)量模型分成4種：材料成分模型、力學(xué)性能模型、外觀尺寸模型和內(nèi)部組織模型。根據(jù)特征提取過(guò)程，得到各質(zhì)量模型包含特征，如圖32所示。

構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型采用三層結(jié)構(gòu)，即輸入層、隱含層和輸出層。模型結(jié)構(gòu)如圖33所示，輸入層的參數(shù)分別是鍛造溫度、變形程度、固溶時(shí)間、時(shí)效溫度、時(shí)效時(shí)間，輸出層的參數(shù)為抗拉強(qiáng)度、屈服強(qiáng)度、伸長(zhǎng)率。

將準(zhǔn)備的輸入和輸出數(shù)據(jù)導(dǎo)入到MATLAB中，調(diào)出自帶的神經(jīng)網(wǎng)絡(luò)工具箱；再將導(dǎo)入的數(shù)據(jù)放入神經(jīng)網(wǎng)絡(luò)工具箱中；創(chuàng)建神經(jīng)網(wǎng)絡(luò)，選擇BP神經(jīng)網(wǎng)絡(luò)模型，選擇輸入輸出的數(shù)據(jù)，訓(xùn)練函數(shù)選擇Levenberg-Marguardt算法，自適應(yīng)學(xué)習(xí)函數(shù)選擇learngdm,性能函數(shù)選擇MSE(均方誤差函數(shù)),層數(shù)為兩層，神經(jīng)元的節(jié)點(diǎn)數(shù)為10個(gè)，第一層傳遞函數(shù)選擇logsig函數(shù)，第二層為tansig函數(shù)。

圖32 熱模鍛產(chǎn)品質(zhì)量分析模型與特征的關(guān)系

圖33 神經(jīng)網(wǎng)絡(luò)模型

(5)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和結(jié)果分析。

采用Traingdm算法的神經(jīng)網(wǎng)絡(luò)模型的總擬合度接近于0.92,擬合度較差，而且數(shù)據(jù)證明該模型在運(yùn)行6步后，性能函數(shù)收斂于370.4839,并且該誤差隨著步數(shù)的增多精度逐漸變差，所以不適合。

使用Trainrp算法的神經(jīng)網(wǎng)絡(luò)模型擬合度為0.99167,說(shuō)明其擬合度十分高，該模型經(jīng)過(guò)13步訓(xùn)練后，性能函數(shù)收斂于82.4969,收斂性能一般。

Powell-Beale算法的擬合精度為0.99674,擬合精度很高。訓(xùn)練步數(shù)為15步時(shí)性能函數(shù)就收斂于631.3422。該算法模型的誤差較大.精度也不夠高，收斂性能較差。

Levenberg-Marguardt算法的總體擬合度為0.98962.該算法在經(jīng)過(guò)7次訓(xùn)練后性能函數(shù)收斂于22.3847.說(shuō)明該函數(shù)的收斂性能較好，而且誤差較小。

綜上分析四種不同算法的神經(jīng)網(wǎng)絡(luò)模型，發(fā)現(xiàn)當(dāng)擬合度相差不多時(shí)，Levenberg-Marguardt算法的性能較好，因此選擇該算法用于神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建。

神經(jīng)網(wǎng)絡(luò)模型在汽車零件熱模鍛應(yīng)用的驗(yàn)證

針對(duì)汽車熱模鍛智能生產(chǎn)線中生產(chǎn)工藝參數(shù)與成形結(jié)果關(guān)系復(fù)雜難以用公式表達(dá)，因此通過(guò)數(shù)值模擬獲取數(shù)據(jù)并通過(guò)神經(jīng)網(wǎng)絡(luò)構(gòu)建知識(shí)圖譜。選擇修正函數(shù)后通過(guò)梯度下降法確定神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，使得每組生產(chǎn)工藝參數(shù)經(jīng)過(guò)加權(quán)、求和、修正并帶入激活函數(shù)后所得結(jié)果與數(shù)值模擬結(jié)果之間的誤差盡可能小。由于樣本數(shù)據(jù)量少，此處將最后一組的數(shù)據(jù)和文章最后所得的最優(yōu)工藝參數(shù)進(jìn)行輸入.并用來(lái)對(duì)構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證。結(jié)果顯示，兩組數(shù)據(jù)所對(duì)應(yīng)的結(jié)果分別為425、300、19.5和465,362、20.7。通過(guò)對(duì)比發(fā)現(xiàn)雖然存在些許誤差，但此模型能夠較為準(zhǔn)確的預(yù)測(cè)不同輸出量所導(dǎo)致的輸出量的值。結(jié)果表明：計(jì)算結(jié)果與數(shù)值模擬結(jié)果誤差最大不超過(guò)15%,至此函數(shù)模型擬合完成，知識(shí)圖譜搭建完畢。

智能化鍛造生產(chǎn)線全生命周期數(shù)據(jù)管理系統(tǒng)搭建

全生命周期數(shù)據(jù)管理系統(tǒng)路線

本項(xiàng)目構(gòu)建鍛造系統(tǒng)數(shù)據(jù)知識(shí)圖譜與智能算法庫(kù)，形成汽車典型零件熱模鍛智能庫(kù)，研究熱模鍛核心設(shè)備實(shí)時(shí)感知與自動(dòng)決策智能化控制技術(shù)，建立鍛造生產(chǎn)線鍛件幾何結(jié)構(gòu)、工藝數(shù)據(jù)、生產(chǎn)過(guò)程與成形質(zhì)量數(shù)據(jù)等在內(nèi)的產(chǎn)品全生命周期數(shù)據(jù)管理與控制系統(tǒng)，開發(fā)一套面向汽車行業(yè)熱模鍛智能化鍛造系統(tǒng)，實(shí)現(xiàn)智能化鍛造大數(shù)據(jù)分析模型與算法、優(yōu)化決策模型與算法的封裝，形成智能熱模鍛工業(yè)大數(shù)據(jù)綜合技術(shù)服務(wù)平臺(tái)，為不少于50家浙江省汽車零配件熱模鍛中小企業(yè)開放服務(wù)，本項(xiàng)目的整體研究?jī)?nèi)容與路線架構(gòu)圖如圖34所示。

圖34 項(xiàng)目研究?jī)?nèi)容與路線架構(gòu)圖

全生命周期數(shù)據(jù)管理與質(zhì)量控制系統(tǒng)

智能化鍛造生產(chǎn)線全生命周期數(shù)據(jù)包括生產(chǎn)、物料、資源和定額等需求計(jì)劃數(shù)據(jù)、設(shè)備工作和設(shè)備故障狀態(tài)檢測(cè)數(shù)據(jù)、設(shè)備，模具供求數(shù)據(jù)，工藝流程和工藝技術(shù)數(shù)據(jù)及各分層任務(wù)完成后的數(shù)據(jù)。MES,PCS各層之間以及與ERP系統(tǒng)的數(shù)據(jù)及通信傳遞關(guān)系圖見圖35所示，實(shí)現(xiàn)鍛造生產(chǎn)線全生命周期數(shù)據(jù)管理與質(zhì)量控制，解決好與上下級(jí)分系統(tǒng)之間的通信協(xié)調(diào)問(wèn)題，以及與加工設(shè)備的通信連接問(wèn)題。

圖35 MES、PCS各層之間以及與ERP數(shù)據(jù)及通信傳遞關(guān)系

(1)鍛造生產(chǎn)線全生命周期數(shù)據(jù)采集與處理技術(shù)。鍛造生產(chǎn)線全生命周期數(shù)據(jù)采集包括壓力機(jī)工作過(guò)程、溫度、位置精度、模具工作狀態(tài)、輔助設(shè)備使用情況、原材料及模具使用數(shù)據(jù)等?；跀?shù)據(jù)知識(shí)圖譜及智能算法庫(kù)，將產(chǎn)品全生命周期數(shù)據(jù)與人工智能生產(chǎn)技術(shù)相融合，研發(fā)智能化數(shù)據(jù)處理技術(shù)。

(2)鍛造生產(chǎn)線全生命周期數(shù)據(jù)管理系統(tǒng)。鍛造智能化執(zhí)行管理系統(tǒng)分為設(shè)備層、控制層(數(shù)據(jù)采集和數(shù)據(jù)分析層)、執(zhí)行層和應(yīng)用層。來(lái)自于底層總線系統(tǒng)的數(shù)據(jù)信息上傳給智能化執(zhí)行管理系統(tǒng)后，經(jīng)執(zhí)行系統(tǒng)對(duì)大數(shù)據(jù)的匯總、統(tǒng)計(jì)、分析、計(jì)算，最終實(shí)現(xiàn)對(duì)鍛件鍛造生產(chǎn)的質(zhì)量、能源和設(shè)備使用效率等模塊的管理，從而滿足企業(yè)對(duì)整個(gè)鍛造生產(chǎn)過(guò)程的量化和可控以及客戶對(duì)產(chǎn)品質(zhì)量可追溯的要求。

(3)鍛造生產(chǎn)線產(chǎn)品質(zhì)量在線監(jiān)測(cè)與控制技術(shù)對(duì)底層控制系統(tǒng)中采集的與生產(chǎn)有關(guān)數(shù)據(jù)進(jìn)行分析優(yōu)化短期生產(chǎn)作業(yè)的計(jì)劃調(diào)度、監(jiān)控、資源配置和生產(chǎn)過(guò)程。對(duì)從生產(chǎn)作業(yè)計(jì)劃下達(dá)到產(chǎn)品最終完成的整個(gè)生產(chǎn)過(guò)程、生產(chǎn)現(xiàn)場(chǎng)實(shí)時(shí)發(fā)生前加工和質(zhì)量事件加工設(shè)備運(yùn)行效率等方面及時(shí)做出反應(yīng)、報(bào)告，并提供當(dāng)前的準(zhǔn)確數(shù)據(jù)輔助管理人員對(duì)現(xiàn)場(chǎng)進(jìn)行指導(dǎo)和處理。

基于工業(yè)大數(shù)據(jù)的全生命周期數(shù)據(jù)管理服務(wù)平臺(tái)建設(shè)

以智能化鍛造生產(chǎn)閉環(huán)線為核心，基于鍛件的工藝、生產(chǎn)過(guò)程、在線監(jiān)測(cè)數(shù)據(jù)、銷售數(shù)據(jù)和使用過(guò)程等，與人工智能生產(chǎn)技術(shù)相融合，開發(fā)一套智能化鍛造服務(wù)平臺(tái)。平臺(tái)具有鍛件產(chǎn)品質(zhì)量監(jiān)督、智能工藝設(shè)計(jì)、自動(dòng)控制調(diào)節(jié)設(shè)備參數(shù)、自動(dòng)調(diào)節(jié)生產(chǎn)頻率等功能。通過(guò)圖36所示熱模鍛數(shù)據(jù)服務(wù)創(chuàng)新服務(wù)平臺(tái)顯示系統(tǒng)呈現(xiàn)，實(shí)現(xiàn)狀態(tài)感知、實(shí)時(shí)分析、精準(zhǔn)執(zhí)行及自主決策。

圖36 熱模鍛數(shù)據(jù)服務(wù)創(chuàng)新服務(wù)平臺(tái)數(shù)據(jù)顯示系統(tǒng)