水潤(rùn)滑軸承橡膠硫化工藝系統(tǒng)優(yōu)化方法研究.pdf

1、在水潤(rùn)滑軸承橡膠硫化的過(guò)程中,最佳決策參數(shù)的確定一直是關(guān)鍵問(wèn)題。針對(duì)這個(gè)問(wèn)題,本文在不改變硫化設(shè)備以及工藝流程的基礎(chǔ)上,采用建模優(yōu)化技術(shù)來(lái)確定硫化的最佳決策參量,保證水潤(rùn)滑軸承的性能指標(biāo)。由于水潤(rùn)滑軸承橡膠硫化過(guò)程是一個(gè)具有強(qiáng)非線性的工藝系統(tǒng),故在建模優(yōu)化中主要存在以下問(wèn)題:
　　由于硫化過(guò)程具有動(dòng)態(tài)特性,故用傳統(tǒng)的靜態(tài)建模方法(BPNN建模)只能建立靜態(tài)的逼近模型,且模型不精確。在硫化過(guò)程中,必然會(huì)受到一些不確定干擾因素的影響,

2、而傳統(tǒng)的優(yōu)化方法只能尋找到理想狀態(tài)的最優(yōu)解,但在實(shí)際操作中,受到干擾后必定會(huì)偏離設(shè)定值,影響軸承性能指標(biāo)。
　　針對(duì)以上的問(wèn)題,本文采用具有自適應(yīng)跟蹤特性的無(wú)跡卡爾曼濾波算法(Unscented Kalman Filter, UKF)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,建立具有動(dòng)態(tài)特性的精確模型。利用所建立的模型,采用穩(wěn)健優(yōu)化來(lái)確定最優(yōu)決策參數(shù)。
　　本文主要做了以下研究并取得一定成果:
　　一、針對(duì)水潤(rùn)滑軸承橡膠硫化過(guò)程中,存在著強(qiáng)

3、非線性以及動(dòng)態(tài)特性,本文在前期通過(guò)橡膠硫化試驗(yàn)得到的樣本數(shù)據(jù)基礎(chǔ)上,利用無(wú)跡卡爾曼濾波算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)過(guò)程中,結(jié)合強(qiáng)跟蹤濾波(Strong Tracking Filter,STR)理論,引入時(shí)變漸消因子,對(duì)濾波增益矩陣進(jìn)行在線調(diào)整,以進(jìn)一步提高模型的跟蹤預(yù)測(cè)能力。通過(guò)BPNN,UKFNN以及改進(jìn)UKFNN對(duì)比結(jié)果表明,靜態(tài)建模方法BPNN所建立的模型精度遠(yuǎn)不如動(dòng)態(tài)建模方法UKFNN以及改進(jìn)UKFNN,而改進(jìn)后的UKFNN模型由于有更強(qiáng)的

4、跟蹤預(yù)測(cè)能力,故比傳統(tǒng)UKFNN所建立模型有更好的精度。
　　二、針對(duì)水潤(rùn)滑軸承橡膠硫化過(guò)程中受到不確定干擾因素的影響,導(dǎo)致軸承的性能指標(biāo)漂移,本文基于所建立的改進(jìn)UKFNN的精確動(dòng)態(tài)模型進(jìn)行穩(wěn)健優(yōu)化,采用非支配排序遺傳算法(Non-dominated Sorting Genetic Algorithm-II, NSGA-II)進(jìn)行最優(yōu)參數(shù)的確定。考慮到傳統(tǒng) NSGA-II的交叉算子全局搜索能力較差,本文對(duì)交叉算子進(jìn)行改進(jìn),使其能