摘要：基于神经网络PID智能控制对20CrMnTi钢机械联接环的锻压温度进行了控制，并进行了室温力学性能和热疲劳性能的测试与分析。结果表明，经智能控制后，机械联接环的抗拉强度、屈服强度和断后伸长率分别为1176MPa、983MPa和18.8%，热疲劳主裂纹级别和网裂纹级别分别为2级和3级，表现出较佳的力学性能和热疲劳性能。对锻压机械联接环锻压温度进行智能控制可以有效提高联接环的质量。
关键词：机械联接环；锻压温度；智能控制；力学性能；热疲劳性能
引言
联接环作为机械的重要零件之一，起着联接的重要作用，逐渐成为机械领域发展的主体部分，被广泛地应用于汽车、化工等制造行业。由于机械联接环的工作强度较大，长期在高温、高负荷下工作，因此亟需较佳的生产工艺来生产机械联接环。近年来，我国的锻压技术得到了突飞猛进的发展。锻压使用上、下模具向锭坯施压，使其在压力的作用下产生塑性变形。锻压能够有效改善合金的内部组织，细化晶粒，提升合金的综合力学性能[1]。由于机械联接环为复杂薄壁件，对形状、尺寸、精度、性能等都有较高的要求，因此迫切需要一种好的人工智能技术对锻压过程进行控制，如PID控制、模糊控制、神经网络等。联接环锻造过程中，锻造温度是极其重要的因素，对于锻件的质量和性能起着关键的作用，而温度又存在延后、渐变等性质，因此传统的控制方法难以取到较好的效果。因此，本文采用新型的智能控制对机械联接环的锻造过程进行精确控制，以提升联接环的力学和热疲劳性能。
1基于神经网络PID控制的锻压工艺
1.1试验材料及工艺原理
机械联接环选用20CrMnTi挤压态棒料，坯料尺寸为210mm×60mm×10mm，化学成分。主要为：对毛料进行加热后，进行反向锻压，锻压设备为改装了的反向锻压机；凸模运动与金属流动的方向相反，且模轴与正在锻压的联接环方向相反，当冲头工作时，空心轴不转动，在反向锻压机对坯料施压后，冲头产生作用力并完成反向锻压，最终获得机械联接环锻件。联接环主要尺寸：开口直径准15mm、节距50mm、高度90mm。所有锻压样件都未进行热处理。智能控制的对象是2个至关重要的锻压工艺参数：始锻温度、终锻温度。在机械联接环的反向锻压过程中，使用基于神经网络智能PID控制方法对锻压过程中的始锻温度和终锻温度进行智能控制。智能PID控制技术基于神经网络思想，将神经网络结构与PID控制技术融为一体[2]。该智能PID控制技术采用输入层、隐含层和输出层三层网络结构，即结构为2×3×2，机械联接环锻压的智能PID控制原理图如图3所示。输入层有始锻温度和终锻温度2个参数，因此有2个节点；隐含层负责PID运算的实现，每个神经元的输入为：
式中：Vij为隐含层到输出层的连接权值；Xi（t）为输入层神经元的输出；t为任意时刻。输出三大函数：比例函数、积分函数和微分函数，即比例元、积分元和微分元三部分。比例元状态为：
式中：Y'1（t）为隐含层比例元部分的输入；X'1（t）为隐含层比例元部分的输出；t为任意时刻。积分元状态为：
式中：Y'2（t-1）和Y'2（t）分别为t-1和t时刻隐含层积分元部分的输入；X'2（t）为隐含层积分元部分的输出；t为任意时刻。微分元状态为：
式中：Y'3（t-1）和Y3（t）分别为t-1和t时刻隐含层微分元部分的输入；X'3（t）为隐含层微分元部分的输出；t为任意时刻。输出层参数有力学性能（抗拉强度、屈服强度和断后伸长率）和热疲劳性能（主裂纹级别和网状裂纹级别）这2个参数，由基于神经网络的PID控制器实现规律的综合输出。各神经元的输出为：
式中：Y'i（t）为隐含层的输入。神经元的总输入为：
式中：V'j表示隐含层到输出层的连接权值；X'j（t）为隐含层各神经元的输出。神经元输出层的状态函数和比例元的状态函数相同，故输出函数和神经元的输出函数也相同，即输出函数为：
式中：Y'（t）为神经元的总输入。基于神经网络PID控制的输出X（t）与输出层神经元的输出X'（t）相等，为：
1.2试验方法
拉伸试样大小为准5mm×50mm。拉伸测试仪器选用DNS200型电子拉伸试验机，拉伸速度2mm/s，记录力学性能测试结果，并用JSM-820型扫描电镜观察试样表面的拉伸断口形貌。热疲劳试样大小为50mm×10mm×4mm矩形。热疲劳试验采用GB/T15824-1995《热作模具钢热疲劳试验方法》标准，在自制的热疲劳试验机上进行，预热后用冷水迅速将试样冷却至室温，反复做1000次的25～500℃的冷却循环，最后使用80倍读数显微镜观察试块的主裂纹和网状裂纹照片，并参照裂纹标准对试块的主裂纹和网状裂纹进行评级[3]。
2试验结果及分析
2.1系统仿真
采用Matlab仿真软件对基于神经网络PID控制系统进行仿真，动量因子为0.8，学习步长为0.03，神经网络连接权值的初始值为V11（0）=V12（0）=1，V21（0）=V22（0）=-0.8，V13（0）=V23（0）=0.05；V'1（0）=V'2（0）=0.1，V'3（0）=0.01。根据神经网络系统在学习50步后的误差可知，经过参数调整和训练后，系统的输出误差快速减小，并达到标准的误差范围内，成功地实现了对机械联接环锻压温度的智能控制。
2.2试验验证
在机械联接环的锻压过程中，对锻压温度进行智能控制后的室温力学性能测试。其智能控制下的机械联接环的抗拉强度为1176MPa，屈服强度为983MPa，其强度非常高，显然达到了机械联接环强度的生产标准，能够生产出力学性能好的机械联接环锻件。从智能控制下的锻压机械联接环的拉伸断口形貌可知，机械联接环锻件的拉伸断口的韧窝和撕裂棱均较少，韧窝较小、浅，形状圆润，撕裂棱呈纤维状分布，细小而浅显，具备较优的力学性能。这与机械联接环的力学性能测试结果一致。通过对锻压温度进行智能控制，能制备出力学性能好的机械联接环锻件，有益于提升联接环的生产质量和性能。机械联接环试样在经过智能控制后的热疲劳性能测试后，其主裂纹级别为2级、网状裂纹级别为3级。其主裂纹级别和网裂纹级别均较低，热疲劳性能好，因此智能控制下的锻压机械联接环具有较佳的热疲劳性能[4]。机械联接环试样在经过智能控制后观察到的热疲劳主裂纹和网状纹金相照片。和热疲劳裂纹级别的标准图谱进行对比评级，其热疲劳主裂纹级别和网裂纹级别均在机械联接环生产标准的允许范围内，热疲劳性能较佳，适合机械联接环的工业化生产。
结论
对机械联接环锻件锻压过程中的温度进行了基于神经网络PID智能控制，而且还进行了机械联接环的力学性能和热疲劳性能的测试与分析。经智能控制后，机械联接环的抗拉强度、屈服强度和断后伸长率分别为1176MPa、983MPa和18.8%，热疲劳主裂纹级别和网裂纹级别分别为2级和3级，表现出较佳的力学性能和热疲劳性能。采用基于神经网络PID智能控制技术对锻压机械联接环的温度进行控制，可以有效保证锻压过程的精确，提高联接环的质量。
参考文献：
[1]赵升吨，张鹏，范淑琴，等.智能锻压设备及其实施途径的探讨[J].锻压技术，2018（7）.
[2]鲍烨童.探讨中国智能制造的实施路径[J].中关村，2016（11）：38-41.
[3]张曼，陈典丽.智能变电站扩建二次实施方法的探讨[J].湖北电力，2016，40（2）：43-47.
[4]齐恩全.锻压设备实现低速锻冲方式合理性探讨[J].内燃机与配件，2018（4）.
论文作者:马旭,郝新朋
论文发表刊物:《电力设备》2019年第5期
论文发表时间:2019/7/8
标签：裂纹论文; 机械论文; 神经网络论文; 疲劳论文; 智能控制论文; 神经元论文; 温度论文; 《电力设备》2019年第5期论文;