陶瓷结合剂磨具配方设计决策系统的制作方法
【技术领域】
[0001] 本发明涉及磨具制造领域的信息处理系统，具体是是一种陶瓷结合剂磨具（简称 陶瓷磨具）制造的配方设计过程中组成材料配比参数的决策系统。
【背景技术】
[0002] 陶瓷磨具是以粘土、长石或其他无机矿物为主要材料作为结合剂的一种磨削加工 工具，它是经过高温焙烧后形成一种玻璃或陶瓷性质的结合剂把磨粒粘接成较高强度的磨 具。陶瓷磨具具有良好的化学稳定性、耐热性和耐水性，可适应各种冷却液条件下磨削，磨 耗较小，自锐性较佳，易于获得高的尺寸和形位精度，广泛用于精密磨削和成形磨削以及制 造各种固结磨具和涂附磨具。
[0003] 随着陶瓷磨具的广泛应用，用户对陶瓷磨具的需求多样化、个性化和精细化方向 发展。如：许多用户要求对陶瓷磨具供货的硬度准确到1/2或1/3小级；一些用户允许可以 略软但不能硬；一些用户允许磨具可略硬但不能软。满足以上用户对陶瓷磨具个性化需求 的关键是对陶瓷磨具进行合理准确的配方设计。因此，在磨具配方设计阶段，如何准确设计 陶瓷磨具的组成材料配方设计有经验法、因素轮换发、正交实验法和回归分析法。配方设计 工程师通常根据工作经验和小样本实验数据，建立经验设计公式，对陶瓷磨具的各组材料 配比参数进行简单快捷设计。
[0004] 经对现有技术文献的检索发现，栗正新在《金刚石与磨料磨具工程》（2007年159 卷3期）88-90页上发表了"回归法SG磨具配方设计"该文中采用线性回归分析方法对基 于陶瓷刚玉磨料（90%白刚玉和10%微晶氧化铝混合磨料）的陶瓷磨具组成材料成份配比 参数进行设计，通过分别建立陶瓷磨具中结合剂含量、成型密度参数、粘接剂含量和湿润剂 含量与陶瓷名义硬度之间的数学表达式关系，实现对陶瓷磨具中结合剂、粘接剂和湿润剂 等材料成分参数值和成型密度参数值的决策。但该方法未考虑到配方中各组成材料之间相 互作用和相互耦合关系对陶瓷磨具最终硬度的影响，容易导致陶瓷磨具各组成材料配比参 数值偏差过大的现象，从而导致陶瓷磨具的实际硬度准确性较差。
【发明内容】
[0005] 针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种陶瓷结合剂 磨具制造的配方设计过程中各组成材料配比参数的决策系统，优化陶瓷磨具配方设计过程 中的组成材料配比参数值，显著提高所设计陶瓷磨具硬度的准确性。
[0006] 本发明的技术方案是，包括模块、数据预处理模块、模糊神经网络处理模块和 模糊神经网络参数学习模块，其中：
[0007] ⑶I模块负责用户与数据预处理模块、模糊神经网络参数学习模块和模糊神经网 络处理模块的人机交互操作，该模块一方面接收人机交换过程中输入的陶瓷磨具的成型密 度、硬度值和磨料重量分数参数信息数据，另一方面接收人机交互操作过程中输入的模糊 神经网络处理模块和模糊神经网络参数学习模块的初始化参数信息剂参数学习信息，并显 示各模块的中间结果和最后的陶瓷磨具的结合剂、粘接剂和湿润材料成份配比参数的决策 输出结果；
[0008]数据预处理模块从模块获得陶瓷磨具的硬度值参数，对硬度值进行计算处理 以获得陶瓷磨具的名义硬度值，然后将名义硬度值输出给模糊神经网络处理模块；
[0009] 模糊神经网络处理模块一方面从⑶I模块获得陶瓷磨具成型密度参数和磨料重 量分数参数数据，并从数据预处理模块获得名义硬度值参数数据，另一方面从模糊神经网 络参数学习模块获得学习后的模糊化处理中心值参数和阈值参数信息、输出处理连接权重 参数，进行陶瓷磨具配比参数的决策处理，并将陶瓷磨具配比参数的决策处理结果输出到 模糊神经网络参数学习模块和⑶I模块；
[0010] 模糊神经网络参数学习模块一方面接收模糊神经网络处理模块的陶瓷磨具配比 参数决策输出信息，一方面从Gn模块获取模糊神经网络学习的初始化参数设定值信息和 陶瓷磨具的结合剂、粘接剂和湿润剂配比参数的历史数据，对模糊神经网络处理模块的模 糊化处理中心值参数和阀值参数信息、输出处理连接权重参数进行学习计算，并将学习后 的模糊处理中心值参数和阀值参数信息、输出处理连接权重参数传输给模糊神经网络处理 模块和GUI模块。
[0011] 所述数据预处理模块包括名义硬度输入处理子模块，名义硬度输入处理子模块负 责从GUI模块中获取陶瓷磨具的设计硬度值信息Hs并进行数学计算处理，首先根据输入的 设计硬度值参照国标GB/T2491-2003查表获得该硬度值Hs所在硬度级的首端值Ha、末端值 Hb、硬度序数nx和测量方法修正值K，然后按照名义硬度计算公式：
[0013] 进行数字计算处理，计算获得陶瓷磨具的名义硬度值Hx输出给模糊神经网络处理 丰旲块。
[0014]所述测量方法修正值K为洛氏法设定K= 1或喷砂法设定K= -0. 01。
[0015] 所述模糊神经网络处理模块，包括数据输入处理子模块、模糊化处理子模块、规则 运算处理子模块、归一化处理子模块、输出处理子模块和陶瓷磨具配比参数决策输出子模 块，其中：数据输入处理子模块一方面负责从数据预处理模块接收陶瓷磨具的名义硬度值 信息Hx，另一个方面负责从GUI模块中获取接收陶瓷磨具的磨料重量分数信息Wp、成型密度 参数Y，并输出给模糊化处理子模块；
[0016] 所述模糊化处理子模块主要负责该子模块输入信息的模糊化处理，该模块一方面 从数据输入处理子模块中获得陶瓷磨具的名义硬度值信息Hx、磨料重量分数信息Wp和成型 密度参数y，另一方面从模糊神经网络参数学习模块获得高斯函数的中心值参数c和阈值 参数〇，针对以上每一个输入参数信息，根据5组对应的中心值参数C和阈值参数〇，分别 采用5个高斯函数进行模糊化变换处理，获得3类共15个模糊化处理输出信息并输出到规 则运算处理子模块；
[0017]规则运算处理子模块负责对模糊化处理子模块输入的模糊化处理信息进行规则 运算处理，针对输入获得的3类共15个模糊化处理数据，首先按照从名义硬度值、磨料重量 分数和成型密度参数分别对应的5个模糊化处理数据中各选取一个模糊化处理数据的规 贝1J，挑选3个模糊化处理数据，然后将挑选的3个数据进行乘积处理，按照该选择规则，共获 得53个规则乘积处理输出数据，最后将该规则运算处理的数据输出到归一化处理子模块； [0018] 归一化处理子模块负责将规则运算处理子模块输出的规则运算处理数据进行归 一化处理，针对归一化处理子模块输入的53个规则运算处理数据，首先对5 3个数据进行求 和处理，然后将求和处理获得的值分别去除53个规则运算处理数据，获得归一化处理的5 3 个规则运算处理数据，并将其输出到输出处理子模块；
[0019] 输出处理子模块一方面从归一化处理子模块获得归一化的53个规则运算处理数 据，另一方面从模糊神经网络参数学习模块获得输出权值参数w={Wij，i= 1，. . .，53;j= 1，2, 3}数据，进行加权运算和函数变换处理，首先将从归一化处理子模块获得归一化的53 个规则运算处理数据分别与输出权值参数w相乘并进行加权运算处理，加权运算的结果采 用3个tansig函数进行函数运算处理，获得3个输出处理的参数数据，将3个输出处理的 参数数据输出到陶瓷磨具配比参数决策输出子模块和模糊神经网络参数学习模块中；
[0020] 陶瓷磨具配比参数决策输出子模块从输出处理子模块获得3个输出处理的参数 数据，将该3个参数数据按顺序分别对应为陶瓷磨具的结合剂、粘接剂和湿润剂材料成份 配比参数的决策输出值，输出到模块。
[0021] 所述模糊神经网络参数学习模块，包括：参数输入子模块、学习参数更新子模块和 学习参数输出