基于改进型BP网络的油管接箍加工圆度误差预测

　　油管接箍是连接石油输送管之间的部分,是重要的石油用钢。为了保证石油传输中不泄漏,对接箍内壁螺纹圆度误差要求很高。随着石油需求的不断增加,对油套管数量的需求也日益增加,特别是对高质量的特殊螺纹产品需求越来越高[1]。但是国内高质量的特殊螺纹油套管接箍的国产化率只有20% ~30%,合格率很低,特别是接箍内壁圆度超差非常普遍。由于目前检测产品合格与否,都是在加工完成以后,这种滞后性造成生产的一定的不可预见性和不可控性,无法知道参数的调整对最终加工的影响,一旦产品不合格将造成人力和物力的浪费,如果能在加工前通过预先设定的各种参数和条件,预测出加工出来的工件的圆度误差,变滞后为预先,不仅能减少次品率,还能为加工参数的调整优化提供依据。文献[2]通过功的互等定理研究弹复效应对于残余夹紧变形的影响,并建立毛坯内、外径尺寸以及车削加工后内壁相关的接箍内壁圆度误差模型。文献[3]主要研究了装夹偏心,毛坯本身误差以及机床主轴径向跳动对车削加工产生圆度误差的影响,并以此对加工圆度误差进行预测。但是对于给定各个加工参数,都无法给出确切的预测。而人工神经网络具有自组织、自学习、自适应以及很强的非线性函数逼近能力和容错能力,特别适用于非线性系统特性的研究。其中BP网络,即误差反向传播神经网络,是应用最广泛的神经网络之一。BP网络主要是采用误差梯度下降的权重修改原则,容易陷入收敛到局部极小点,得不到全局最优解。同时BP网络隐层数的确定大都凭经验,没有通用性的理论指导[4]所以对BP网络的改进也是神经网络计算的重要研究内容。文献[5]采取传统的BP网络,预测精度不高。文献[6]提出用遗传算法优化BP网络权值和阈值,克服了BP网络易陷入局部极小点的缺点,但是对于隐层节点数的确定还是凭经验选择。文献[7]提出了将灰色关联分析法应用到BP网络隐层节点数的确定中,但是所用网络易陷于局部极小点。文献[8]提出了基于正交试验的神经网络设计,使得训练样本大幅度减少。影响接箍加工最终圆度误差的因素有很多,是一个典型的非线性系统。本文拟采用遗传算法和灰色关联分析法改进的BP网络,并用正交试验的数据进行训练,最后得到能够准确快速预测接箍加工后圆度误差的模型,从而指导接箍加工时各工艺参数的设置和优化。

　　1 BP网络的改进

　　1.1 传统BP网络

　　BP网络是一种前馈网络,它采用分层结构。通过对样本的不断学习来调整神经元间的权重和阈值,根据误差反向传播来不断修正权值和阈值,使误差沿梯度方向下降,最后使其进入稳定状态。