CN103245711B - 基于神经网络的铝液非金属夹杂物在线软测量装置及方法 - Google Patents

Abstract

基于神经网络的铝液非金属夹杂物在线软测量装置及方法，装置由三维机械手臂、取样探头、直流电压源、电流传感器、气路、控制器、通信接口电缆及计算机组成。三维机械手臂用于移动取样探头提取铝液，取样探头小孔中的铝液决定了电流脉冲的幅度；电流传感器用于测量电气回路电流；气路用于取样探头提取铝液或排出铝液；控制器完成数据采集及计算；通信接口电缆用于控制器和计算机数据通信；非金属夹杂物样本数据用于神经网络学习；计算机完成由非金属夹杂物样本数据训练神经网络，通过神经网络在线预测铝液非金属夹杂物的含量及大小，用数字或图形方式在线显示测量结果。本发明根据在线测量不断调整对铝液纯化处理，提高铝材或铝铸件质量。

Description

基于神经网络的铝液非金属夹杂物在线软测量装置及方法

技术领域

本发明涉及冶金技术领域，特别是涉及一种基于神经网络的铝液非金属夹杂物在线软测量方法及装置。

背景技术

铝是一种活泼金属, 在熔炼过程中容易生成非金属氧化夹杂物，这些夹杂物的存在严重影响铝材的质量，同时也降低了铝铸件质量。例如，非金属氧化夹杂物损坏了材料的完整性；减少材料的有效承载截面积，致使材料力学性能严重下降；夹杂物的存在还会增加铝熔体的粘度，降低铝合金的铸造性能，造成疏松等缺陷；夹杂物作为显微裂纹的裂纹源，对于断裂过程密切相关的伸长率、断面收缩率、断裂韧度和疲劳抗力等一系列材料性能具有显著影响。所以，降低铝液中夹杂物的含量是提高铝材或铝铸件质量的有效方法。但铝液中夹杂物的含量和夹杂物的大小的变化是没有规律的，所以如何实时确定铝液中夹杂物的含量及夹杂物大小，目前还没有一种有效在线检测的方法。本发明利用自动化、电工电子、计算机及智能控制理论等新技术，提出了一种基于神经网络的铝液非金属夹杂物的在线软测量方法，该方法通过非金属夹杂物的不导电或导电性差的原理，采集由含非金属夹杂物的铝液构成的电气回路电流，以此电流值间接测量非金属夹杂物。使用本发明的方法，在线预测铝液中的非金属夹杂物含量及大小，不断调整对铝液纯化处理，提高铝材或铝铸件质量。

发明内容

本发明要解决的技术问题是，提供一种在线预测铝液中的非金属夹杂物含量及大小，不断调整对铝液纯化处理，提高铝材或铝铸件质量的基于神经网络的铝液非金属夹杂物在线软测量方法及装置。

采用的技术方案是：

基于神经网络的铝液非金属夹杂物在线软测量装置，包括三维机械手臂、取样探头、直流电压源、电流传感器、气路、控制器、通信接口电缆、计算机。所述的三维机械手臂连接取样探头，移动取样探头放到铝液中或离开铝液，使取样探头提取铝液样品，取样探头小孔中的铝液作为导电体电连接电气回路，气路连接取样探头提取铝液或排出铝液，直流电压源为电气回路提供电源。电流传感器通过控制器连接电气回路测量电气回路电流，控制器分别连接气路、电气回路和三维机械手臂，完成数据采集及计算，通信接口电缆连接控制器和计算机作数据通信。

上述的取样探头由耐高温的绝缘材料制成，其管壁上的小孔直径为0.2mm---1.5mm；管壁厚为5mm；管长为300mm；管的直径为30mm。

上述的控制器采用可编程控制器（PLC）。

基于神经网络的铝液非金属夹杂物在线软测量方法，其方法包括以下步骤：

安装或设计应用软件：应用软件包含控制器的应用程序和计算机的应用程序，计算机的应用程序可采用一般的工业组态软件。

神经网络训练：由非金属夹杂物样本数据对神经网络进行训练，如达不到目标要求，则增加隐含层神经元个数，再对神经网络进行训练，直到满足指标。

在线数据采集：这些数据包括电气回路电流、测试参数。

显示测量数据：以数字或图形方式在线显示非金属夹杂物的大小和数量。

上述的非金属夹杂物样本数据建立方式：准备几组已知非金属夹杂物的直径大小和含量的铝材样品，铝材样品越多越全面，对这些铝材样品进行熔化，分别进行在线测试并保存所需数据。这些保存的数据就可以作为神经网络训练的样本。

上述的神经网络采用静态神经网络(BP)，神经网络由输入层、隐含层、输出层构成，其中隐含层神经元个数可按网络训练指标要求增加或减少。

上述的控制器控制机械手臂的运动；通过控制器调整气路的气压大小；通过控制器调整直流电源的输出直流电压的大小。

上述的控制器和计算机之间由通信电缆进行数据交换，各个部件的工作过程由计算机控制，计算机由工作人员通过人机界面软件控制。

本发明通过训练好的神经网络在线预测铝液非金属夹杂物的含量及大小，用数字或图形方式在线显示测量结果。测量结果可作为现场工作人员对铝液质量评价的依据，不断调整对铝液纯化处理，提高铝材或铝铸件质量。

附图说明

图1是本发明的测量方法框图。

图2是本发明的取样探头外形图。

图3是本发明的神经网络模型图。

具体实施方式

基于神经网络的铝液非金属夹杂物在线软测量装置，包括三维机械手臂、取样探头、直流电压源、电流传感器、气路、控制器、通信接口电缆、计算机（见图1）。所述的三维机械手臂连接取样探头（见图2），取样探头由耐高温的绝缘材料制成，其管壁上的小孔直径为0.2mm；管壁厚为5mm；管长为300mm；管的直径为30mm，移动取样探头放到铝液中或离开铝液，使取样探头提取铝液样品，取样探头小孔中的铝液作为导电体电连接电气回路，气路连接取样探头提取铝液或排出铝液，直流电压源为电气回路提供电源。电流传感器通过控制器连接电气回路测量电气回路电流，控制器采用可编程控制器（PLC），控制器分别连接气路、电气回路和三维机械手臂，完成数据采集及计算，通信接口电缆连接控制器和计算机作数据通信。计算机可采用工业工控机（IPC），直流电压源容量应等于或大于2.4kw(24VDC/100A)。通信接口电缆采用RS485标准的通信电缆，两头均带9针插头；气路要满足既能给取样探头内加正压，又能给取样探头内加负压。

基于神经网络的铝液非金属夹杂物在线软测量方法，其方法包括以下步骤：

安装或设计应用软件：应用软件包含控制器的应用程序和计算机的应用程序，控制器采用PLC时，相应的编制PLC应用程序。计算机的应用程序可采用一般的工业组态软件。通过组态软件脚本设计完成神经网络功能程序。或者神经网络功能可以由通用的仿真软件完成，通过仿真软件和组态软件数据交换，组态软件得到神经网络的数据信息。计算机的人机接口应用程序通过对组态软件组态完成。

所述控制器控制机械手臂的运动；通过控制器调整气路的气压大小；通过控制器调整直流电源的输出直流电压的大小。控制器和计算机之间由通信电缆进行数据交换，各个部件的工作过程由计算机控制，计算机由工作人员通过人机界面软件控制。

神经网络训练：非金属夹杂物样本数据建立，准备几组已知非金属夹杂物的直径大小和含量的铝材样品，铝材样品越多越全面，对这些铝材样品进行熔化，分别进行在线测试并保存所需数据。这些保存的数据就可以作为神经网络训练的样本。由非金属夹杂物样本数据对神经网络进行训练，如达不到目标要求，则增加隐含层神经元个数，再对神经网络进行训练，直到满足指标。所述神经网络采用静态神经网络(BP)，神经网络由输入层、隐含层、输出层构成（见图3），其中隐含层神经元个数可按网络训练指标要求增加或减少。

在线数据采集：这些数据包括电气回路电流、测试参数。采集数据有以下几个子步骤：

连接控制器和计算机之间的通信电缆，让控制器和计算机进行数据交换。

在测量铝液夹杂物之前，应该对铝液有个精炼过程，保证铝液中的夹杂物是均匀分布。

在测量铝液夹杂物之前，取样探头需要预热，防止由于取样探头冷态进入铝液中，取样探头取样时铝液凝固。

设置参数：在具体测量之前，必须通过人机操作界面，设置相关的运行参数值。如测量时间、气路的压力（正压和负压）、神经网络的输入变量参数值等。

电流数据采集：启动控制器的应用程序和计算机的应用程序。通过人机操作界面，手动控制机械手臂，让取样探头放到铝液中，取样探头的小孔必须低于铝液的液面，以便铝液进入小孔。点击启动测量按钮，开始测试过程，控制器采集电气回路的电流值。测试时间到后，控制器自动停止工作。测试过程中，控制器和计算机一直在进行数据交换。需要的数据已保存到计算机中。

显示测量数据：由于计算机已得到了神经网络预测的所需的数据，包括实际采集的数据和操作人员输入的数据。所以可由训练好的神经网络（BP）预测夹杂物的大小。另外，在测试过程中计算机已得到控制器统计的夹杂物数量的数据。这样在计算机应用程序的数据显示画面上在线显示被铝液中夹杂物的数据，即夹杂物的大小（直径）和夹杂物含量。工作人员根据测量数据可评判铝液的质量。

如果还要继续测量，则返回到步的分步。否则结束测量过程。

本发明的铝液非金属夹杂物检测方法，不但要检测非金属夹杂物的大小，即判断非金属夹杂物的直径；而且还要检测夹杂物的数量。夹杂物的直径和数量是通过电气回路的电流脉冲来判断的。即核心思路就是以电流脉冲的个数作为判断夹杂物数量的依据；以电流脉冲的幅度作为判断夹杂物的大小依据。电流脉冲的个数比较容易判断，在指定的电流幅度的阀值情况下，这个可以有控制器程序根据电流幅度的阀值对电流脉冲数据统计完成。由于铝液中夹杂物的大小不是按规律变化的，所以夹杂物的大小很难测量。神经网络具有记忆和强大的非线性逼近功能，所以可以由训练好的神经网络在线预测铝液中夹杂物的大小。

本发明中的神经网络采用静态神经网络(BP)，见附图 3。采用静态神经网络（BP）测量铝液非金属夹杂物的大小的原理描述如下：控制器定时采集电气回路的电流值（I）,该电流值作为神经网络输入的其中一个变量。考虑到夹杂物的变化无规律及测量过程复杂性，用神经网络预测夹杂物的大小时，除了电流值作为神经网络输入变量外，还要涉及其它影响因素，如气路中的压力（P）、取样探头的小孔直径（D）、取样探头的小孔长度（L）、电源供电电压（U）等，显然这些因素对应的数据不是固定的，根据检测要求可以调整，把这些影响因素都作为神经网络的输入量，这样神经网络预测的夹杂物的大小（d）为更精准。通过考虑这些影响因素后，神经网络的预测模型采用三层结构，第一层为输入量，不妨定义输入向量X，向量X中的变量是前面提到的各个影响因素，即X=[I,P,D,L,U]。第二层为隐含层，隐含层的神经元个数根据训练要求确定。第三层为输出量，不妨定义输出向量Y，向量Y中的变量只有一个，就是要测量的夹杂物的直径，即Y=[d]。这样利用神经网络建立了Y和X的对应关系。

根据神经网络的预测模型，在计算机上，设计神经网络的训练及预测程序；同时设计测量过程的应用程序，以便现场工作人员进行操作。程序完成后，由非金属夹杂物样本数据对神经网络进行训练，到达训练指标要求。接下来可以在线预测夹杂物。通过实时测量电流(I)，同时在计算机的人机接口界面输入P、D、L、U的数据，由训练好的神经网络在线预测铝液非金属夹杂物的大小。此外，计算机通过通信电缆可实时得到控制器已经完成的夹杂物数量的数据。这样就在线检测到铝液中夹杂物的大小（夹杂物直径）及夹杂物的数量，由应用程序完成数据的可视化及数据保存工作。

Claims (1)

1.基于神经网络的铝液非金属夹杂物在线软测量方法，其特征在于通过在线测量电气回路电流(I)及人机接口界面在线输入P、D、L、U参数，由训练好的神经网络在线测量铝液非金属夹杂物的大小(d)，电气回路电流(I)、气路中的压力(P)、取样探头的小孔直径(D)、取样探头的小孔长度(L)和电源供电电压(U)作为神经网络输入变量，神经网络输出变量为夹杂物的大小(d)，由非金属夹杂物样本数据对神经网络进行训练，其中电流(I)由控制器实时采集取得，即控制器实时控制三维机械手臂连接取样探头，并移动取样探头侵入铝液中，取样探头小孔中的铝液形成电气回路，电气回路因直流电源供电而产生电流，由电流传感器通过控制器实时测量电流值(I)，再通过通信接口把电流值(I)上传至计算机，物理量P、D、L、U参数通过人机接口界面输入计算机。