论文部分内容阅读
本论文首先介绍了国内外孕镶金刚石钻头设计与制造的发展状况,随着钻头设计制造技术的日益提高和计算机技术的迅速发展,发现用人工神经网络(ANN)技术进行金刚石钻头配方设计的条件已经成熟。接着,介绍了人工神经网络理论。人工神经网络具有高度的并行性、非线性全局作用、良好的容错性与联想记忆功能、很强的自适应、自学习功能,尤其是1986年BP算法的提出,使人工神经网络得以全面迅速地发展起来。本文就BP人工神经网络的基本原理及算法、BP网络的不足、BP网络的设计及训练过程进行了阐述。学习样本的选择和编制是构建神经网络系统的重要环节,本论文采用了文献[2]的岩石A、B值岩石可钻性分级方法。文中简单介绍了岩石A值、岩石B值的测定及计算公式,岩石A值是指岩石对钻头金刚石的磨损性,它是钻头配方中金刚石参数(金刚石品级、粒度和浓度)设计的主要依据;岩石B值是指岩石对钻头胎体的磨损性,它是钻头胎体配方设计的主要依据。BP网络系统的开发是论文作者的具体研究内容,包含了系统开发工具的选择、网络系统的架构、系统功能的实现。采用Matlab6.5作为系统的开发工具,利用该软件的GUI开发工具设计网络系统的图形用户界面,利用Matlab6.5中的神经网络工具箱,通过对相关函数的调用,实现神经网络系统的训练和模拟。按照BP网络模型架构网络、训练网络、模拟网络、保存网络,同时把网络训练结果保存成Word文件。在系统设计中,选择钻头外径、钻头内径、岩石A值、岩石B值、钻头钻压P、钻头转速n、泵量Q七个参数作为神经网络的输入。钻头配方的金刚石品级、金刚石粒度、金刚石浓度、胎体骨架成分比例、二级辅磨料金刚石粒度、二级辅磨料金刚石浓度、钻头包镶强度WC/DIA七个参数作为网络的输出层神经元。根据网络层数的设计原则,决定采用一层隐含层,但隐含层中的神经元数目可以随意调整。所以,本系统的网络结构是“7-X-7"型,其中,前一个7表示输入节点数,X表示隐含层节点数(可调),后一个7表示输出节点数。每层的激活函数采用下拉列表框进行选择,有pureline线性激活函数、tansig双曲正切S型激活函数和logsig对数S型激活函数。网络训练函数采用了trainlm和trainrp。加上36组输入矢量,此时系统隐含层为具有维输入矢量,维权矩阵(偏差),以及维输出矢量的神经元层;输出层看作一层具有维输入矢量,维权矩阵,以及维输出矢量的神经网络。本系统采用了BP网络模型结构,突破了孕镶金刚石钻头设计传统专家系统的局限,不需要组织大量的产生式规则,也不需要进行树搜索,而是采用并行、分布式存储和处理机制,系统具有容错性和强壮性,而且有着很强的学习、联想、自组织和自适应能力,能在运行过程中自我完善;本系统的建立基于Windows平台,具有良好的人-机交互界面,采用了先进<WP=7>的系统开发工具Matlab6.5软件,充分利用开发工具中的神经网络工具箱,保证了系统的科学性和先进性,采用先进算法和学习规则,程序执行快;突破了文献[2]的基于DOS的孕镶金刚石钻头BP网络系统,克服了该系统算法落后、程序执行时间长、系统修改及使用不便等缺陷;而且,本系统能够脱离Matlab开发环境独立运行,在各种操作系统中都能正常使用;系统训练样本可以扩充和修改,系统能够发展和创新知识;该系统的开发,为孕镶金刚石钻头配方的优化设计提供了一个强有力的工具,丰富了金刚石钻头设计,这不仅会推动我校超硬材料研究所在钻头设计制造方面的工作,而且有利于促进本学科的发展。