一、關于BP神經(jīng)網(wǎng)絡      

        BP神經(jīng)網(wǎng)絡是一種單向傳播的多層前向網(wǎng)絡，網(wǎng)絡除輸入輸出結(jié)點外，還包括一層或多層隱含節(jié)點，同層內(nèi)節(jié)點之間沒有任何聯(lián)系。輸入信號從輸入層節(jié)點依次傳過各隱含層節(jié)點，然后傳到輸出節(jié)點，每一層節(jié)點的輸出只影響到下一層節(jié)點的輸出�；�本BP算法主要包括兩個過程：信號的前向傳播以及誤差的反向傳播。即由輸入通過BP網(wǎng)絡計算實際輸出是按前向進行，而修正權(quán)值和閾值的過程是按從輸出到輸入逆向進行。圖6-1為標準的三層BP神經(jīng)網(wǎng)絡模型結(jié)構(gòu)圖。

 

二、焊接參數(shù)與電弧能量特征神經(jīng)網(wǎng)絡模型

        BP神經(jīng)網(wǎng)絡應用的關鍵在于網(wǎng)絡結(jié)構(gòu)的選取與參數(shù)的設計，因此BP網(wǎng)絡的設計過程實際上是一個網(wǎng)絡參數(shù)不斷調(diào)整的過程。

        1. 網(wǎng)絡輸入/輸出節(jié)點參數(shù)確定

        輸入/輸出節(jié)點參數(shù)與樣本直接相關，因此只要樣本格式確定，則BP網(wǎng)絡的輸入/輸出節(jié)點參數(shù)可由樣本格式得到。在第5章所述埋弧焊電弧信息處理，以前后絲電弧電流信號的LMD能譜熵值作為表征電弧穩(wěn)定性的特征量，因此取前后絲電流信號的LMD能譜熵值作為BP神經(jīng)網(wǎng)絡的輸出。影響雙絲埋弧焊電弧穩(wěn)定性的因素主要為電源特性及焊接參數(shù)的搭配等，而電源特性受電源本身設計制造過程影響，在出廠時已經(jīng)基本確定。因此本章主要研究焊接參數(shù)的搭配對雙絲埋弧焊電弧穩(wěn)定性的影響。在保持后絲電弧交流頻率和占空比以及焊絲直徑不變的情況下，主要考察前后絲電流、電壓的大小以及雙絲間距和焊接速度六個因子對焊接過程電弧穩(wěn)定性和焊縫成形質(zhì)量的影響規(guī)律。因此，取前后絲電流、電壓的大小以及雙絲間距和焊接速度等六組參數(shù)作為BP神經(jīng)網(wǎng)絡的輸入。根據(jù)雙絲埋弧焊的常用焊接參數(shù)，設置前絲電流取值分別為550A、600A、650A、700A和750A；前絲電壓的取值分別為30V、32V、34V、36V和38V；后絲電流的取值分別為400A、450A、500A、550A和600A；后絲電壓的取值分別為34V、36V、38V、40V和42V；雙絲間距取值分別為15mm、20mm、25mm、30mm和35mm；焊接速度取值分別為60cm/min、80cm/min、100cm/min、120 cm/min和140 cm/min。在此基礎上固定后絲方波交流的頻率為80Hz，占空比為0.5，焊絲直徑為4mm，伸出長度為25mm，板厚為20mm以及其他條件保持不變的情況下，按照6因素5水平正交表

L25(56)組織工藝試驗，所得25組焊接參數(shù)搭配及其前后絲電流信號的LMD能譜熵作為BP神經(jīng)網(wǎng)絡的訓練樣本。

        為了讓BP網(wǎng)絡的預測結(jié)果更加合理，首先需要對輸入輸出樣本進行歸一化處理，即采用簡單線性變換的方式，使網(wǎng)絡的輸入輸出數(shù)據(jù)均處在［0,1］范圍之內(nèi)。假設xmax和xmin是一組數(shù)據(jù)的****值和最小值，則將這組數(shù)據(jù)進行歸一化的方法為

 

由于網(wǎng)絡輸出為電流信號的LMD能譜熵，其取值均在［0,2］之間，因此只需對網(wǎng)絡輸入樣本進行歸一化處理。

        2. 隱含層及其節(jié)點數(shù)的確定

        BP神經(jīng)網(wǎng)絡所具有的****的特點是非線性函數(shù)的擬合。由于BP神經(jīng)網(wǎng)絡是通過網(wǎng)絡輸入到網(wǎng)絡輸出的計算來實現(xiàn)其非線性擬合功能的，所隱含層數(shù)的增多雖然可能會使預測結(jié)果更精確，但程序在實際應用中需要花費更長的運行時間。在隱含層數(shù)的確定上，有理論分析表明：隱含層數(shù)最多為兩層即可。具有單隱含層的BP神經(jīng)網(wǎng)絡已經(jīng)能夠?qū)崿F(xiàn)所有連續(xù)函數(shù)的映射，只有在對不連續(xù)函數(shù)進行逼近時，才需要大于一個隱含層的神經(jīng)網(wǎng)絡。所以本章采用輸入層-隱含層-輸出層三層的結(jié)構(gòu)模式來進行BP神經(jīng)網(wǎng)絡設計。

        如何合理地選擇隱含層節(jié)點的數(shù)目是神經(jīng)網(wǎng)絡設計過程中比較關鍵的問題，因為隱含層節(jié)點數(shù)直接關系到所設計網(wǎng)絡預測性能的好壞。關于如何選取合適的隱含層節(jié)點數(shù)目前并無嚴格的理論指導。對于隱含層節(jié)點數(shù)量如何確定的問題，有學者提出隱含層節(jié)點數(shù)應等于輸入與輸出節(jié)點數(shù)之和的二分之一或者二次根的大拇指規(guī)則：

       另外關于隱含層節(jié)點的確定，有Komogorov定理指出：對于任意連續(xù)函數(shù)，可以由一個三層網(wǎng)絡來精確實現(xiàn)它，其中網(wǎng)絡輸入有m個節(jié)點，隱含層有2m+1個節(jié)點，輸出層有n個節(jié)點。但目前最常用的還是試驗嘗試法，即首先根據(jù)一定的規(guī)則確定隱含層節(jié)點的初始取值，然后在該初始值附近采用相同的樣本訓練具有不同隱含層節(jié)點數(shù)的網(wǎng)絡，直到網(wǎng)絡權(quán)值穩(wěn)定不變?yōu)橹�。根�?jù)Komogorov定理，分別設置隱含層節(jié)點數(shù)為12、13、14來對網(wǎng)絡進行訓練，相應的誤差收斂曲線如圖6-2所示。從圖中對比可以看出，當隱含層節(jié)點數(shù)為13時網(wǎng)絡收斂速度最快。

圖6-2    不同隱含層節(jié)點下的網(wǎng)絡訓練誤差曲線

        3. 初始權(quán)值和學習速率的選擇

        在對網(wǎng)絡進行初始化時，需要給各連接權(quán)值、閾值設定一個初始值。權(quán)值的初始值設置是否合理直接影響所設計網(wǎng)絡能否最終達到設定的誤差范圍。如果權(quán)值初始值設置太高，會增加部分神經(jīng)元的凈輸入，削弱了權(quán)值的調(diào)整作用。因此對于初始權(quán)值的選取，盡量使其在輸入累加時每個神經(jīng)元的狀態(tài)接近于零，這樣可防止f(xi)在開始時落到曲線的平坦處而使其微商接近于零。而且研究表明，若權(quán)值的初始值相等，則在學習過程中它們將保持恒定，從而無法使網(wǎng)絡訓練誤差降到最小，所以權(quán)值的初始值不能全相同。設計的BP神經(jīng)網(wǎng)絡初始權(quán)值�。�-1,1］之間的隨機數(shù)，權(quán)值取值既小又各不相同，這樣可以保證每個神經(jīng)元一開始都在它們轉(zhuǎn)換函數(shù)變化****的地方進行。BP算法的有效性和收斂性在很大程度上取決于學習速率η的取值。η的最優(yōu)值與具體問題相關，沒有對任何問題都適合的η值。為了避免網(wǎng)絡在訓練過程中陷入局部極小，設定訓練次數(shù)的上限為10000次，并確定訓練目標誤差為0.000001來進行網(wǎng)絡訓練。通過取不同的η參數(shù)值不斷地訓練網(wǎng)絡，當權(quán)值達到較穩(wěn)定狀態(tài)后，發(fā)現(xiàn)學習速率初始值η=0.03時網(wǎng)絡學習效果最理想。

        4. 焊接參數(shù)與電弧能量特征非線性映射模型

        根據(jù)以上內(nèi)容，設計雙絲埋弧焊焊接參數(shù)與電弧能量穩(wěn)定性特征BP神經(jīng)網(wǎng)絡非線性映射模型結(jié)構(gòu)如圖6-3所示。其中e1、e1分別為前后絲電流信號對應的LMD能譜熵值