直线式激光切割智能纠偏方法与流程

1.本发明涉及神经网络应用技术领域，尤其是一种直线式激光切割智能纠偏方法。


背景技术：

2.目前市面上对于直线式激光切割装置的纠偏方案采用的方法几乎全部是传统的pid控制策略，装置原理构成如图1所示：待切割带材通过传送滚轴运动，在运动到位姿固定的激光切割器处时，在切割点处被激光穿透，并随着带材的不断传输运动，沿传输方向被切割成两半；带材在经过切割点处时，被切割成左右两部分，通过激光切割器附近安装的监控装置获得两部分的宽度，分别为wcl与wcr，为了让wcl＝wcr，使用2个纠偏器，纠偏器根据监控装置获得的偏差(即|wcl-wcr|)，通过左右移动来推动带在水平方向上的位置，使得带材在水平方向上发生偏移，从而达到纠偏的目的；在激光切割器的距离纠偏器距离为d的地方，安装纠偏器1，作为pid控制中的外环,主要用来消除稳态偏差，在距离激光切割器较近的地方，安装纠偏器2，作为pid控制中的内环，用于消除震荡偏差与随机干扰；也有些纠偏装方案在传统的pid控制策略的基础上做了简化，只用内环或外环来控制纠偏，即只使用纠偏器2或者只使用纠偏器1来纠偏。
3.但是，传统的pid控制策略，纠偏控制系统分为内环控制与外环控制，分别使用了一个纠偏器，一共用到了2个纠偏器，相对于只使用1个纠偏器来纠偏的策略，多使用了一个纠偏器，增加了成本；只使用内环控制的策略，即只使用图1中的纠偏器2，由于只使用内环，没有外环，无法有效控制稳态偏差，使得纠偏的稳定性较差，从而导致切割边缘出现锯齿状问题；只使用内环控制的策略，即只使用图1中的纠偏器1，由于只使用外环，没有内环，完全无法控制在纠偏器到切割机之间存在的干扰，且监控装置与纠偏器间存在一定距离，导致纠偏动作滞后，使得纠偏动作可能根本达不到纠偏效果。


技术实现要素：

4.本发明要解决的技术问题是：提供一种直线式激光切割智能纠偏方法，解决了传统直线式激光切割装置的纠偏方案需要至少2个纠偏器才能达到较好的效果，由于需要纠偏器个数多导致成本高的问题。
5.本发明解决其技术问题所采用的技术方案是：一种直线式激光切割智能纠偏方法，包括以下步骤，
6.s1、构建纠偏网络；
7.s2、训练纠偏网络；
8.s3、使用纠偏网络进行纠偏；
9.s4、偏差监控，判断偏差是否可控。
10.进一步的说，本发明所述的步骤s1中，构造一个噪声拟合网络，使用一个全连接网络，层数与各层的节点数可调节，激活函数均为sigmoid函数；损失函数为loss＝(error-e)2；error代表监控装置检测到的偏差值，e代表神经网络最后一层输出节点的输出值；将监控
装置连续多次获得的偏差作为噪声拟合网络的输入，由loss值根据专家控制逻辑来确定下一次的序列更新延迟，根据下一次的序列更新延迟来更新偏差序列，作为噪声拟合网络下一次的输入，按照以上方法进行迭代；通过更新输入序列，训练噪声拟合网络，直到连续多次loss《tv时，则噪声拟合网络训练成功，其中tv为验证损失阈值；噪声拟合网络训练成功后，将噪声拟合网络输出层多加一个神经元，将该神经元的输出c，作为在输入层额外增加的一个输入，构成一个闭环；使用训练好的噪声拟合网络的权重参数，作为纠偏网络对应部分的权重参数；纠偏网络的损失函数loss＝error2，即当前监控装置获得的偏差。
11.再进一步的说，本发明所述的步骤s2中，纠偏网络对应于噪声拟合网络的部分按照与训练噪声拟合网络同样的方法来训练纠偏网络，在训练过程中，每次迭代都将神经网络的输出c与专家控制逻辑得到的基础纠偏量offset带入公式算的corr作为纠偏器当前的纠偏量，传给纠偏器并控制纠偏器进行纠偏动作。
12.更进一步的说，本发明所述的步骤s3中，将训练好的纠偏网络停止反向更新权重，只进行前向传播，使用每次迭代得到的c与offset来计算纠偏量，传给纠偏器并控制纠偏器进行纠偏动作。
13.又进一步的说，本发明所述的步骤s4中，在使用纠偏网络进行纠偏的过程中，监控纠偏网络的loss，即监控装置获得的偏差值，若连续多次的偏差值中有设定次数超过设定阈值，则按照步骤s1中的噪声拟合网络结构重新搭建并训练一个噪声拟合网络进行训练，训练成功后，使用新的噪声拟合网络按照噪声拟合网络训练成功之后的步骤来搭建纠偏系统。
14.本发明的有益效果是，解决了背景技术中存在的缺陷，本发明使用神经网络来拟合图1中纠偏器1到切割机之间的干扰，使得纠偏器1对此干扰具有预知功能，并通过具有预知功能的神经网络结合专家控制的方法来控制纠偏器，用来消除该干扰造成的影响，从而取代纠偏器2的作用，从而即节省了一个纠偏器，同时能够达到与使用2个纠偏器的情况下相同的效果；将传统的直线式激光切割装置中纠偏方案所需纠偏器的数量从2个降到1个，不仅节约了成本，而且保证了切割质量。
附图说明
15.图1是传统直线式激光切割装置原理图；
16.图2是本发明纠偏方法流程图；
17.图3是本发明纠偏方法增加可行性验证的流程图；
18.图4是本发明噪声拟合网络的结构示意图；
19.图5是本发明纠偏网络的网络结构示意图；
20.图6是本发明专家控制逻辑示意图。
具体实施方式
21.现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
22.如图1-图6所示的一种直线式激光切割智能纠偏方法，利用神经网络来验证该方
法的可行性，在验证可行后，再次利用神经网络拟合出切割偏差与纠偏器纠偏动作间的规律，然后使用含有该规律的神经网络与专家控制逻辑相结合，来控制1个纠偏器，从而达到2个纠偏器的效果。
23.如图2所示，具体步骤如下：
24.1、构建纠偏网络
25.构造一个噪声拟合网络，噪声拟合网络结构如图4所示，使用一个全连接网络，层数与各层的节点数可基于实验调节，本发明中的为7层全连接层，每层的节点数分别为：32，64,128,64,32,16，1，激活函数均为sigmoid函数；
26.其中，f(1),f(2)
…
f(32)代表监控装置第1,2,
…
32次检测到的偏差值；
27.偏差值的计算方法：wcl-wcr,wcl与wcr的单位都为mm；
28.损失函数为loss＝(error-e)2；
29.error代表当前即第33次监控装置检测到的偏差值即error＝f(33),e代表神经网络最后一层输出节点的输出值；
30.序列更新说明：
31.序列更新是指使用下一次监控装置传来的偏差f(33)对原序列f(1),f(2)
…
f(32)进行流水更新，即
32.f(i)＝f(i+1),i＝1,2
…
32；
33.更新延迟为n则表示，等到监控装置传来n次偏差后，用这n次偏差对序列进行流水更新，即
34.f(i)＝f(i+n),i＝1,2
…
32；
35.将监控装置连续32次获得的偏差作为噪声拟合网络的输入，即图4中的f(1),f2(2)
…
f(32)；
36.根据loss值根据专家控制逻辑来确定下一次的序列更新延迟n，根据n来更新偏差序列，作为噪声拟合网络下一次的输入，按照以上方法进行迭代；
37.其中专家控制逻辑如图6所示，其中n表示下一次的序列更新延迟，offset为后面的步骤中纠偏器的基础纠偏量；
38.通过更新输入序列，训练噪声拟合网络，直到连续64次loss《tv时，则噪声拟合网络训练成功，其中tv为验证损失阈值，本发明中取值为0.002；
39.噪声拟合网络训练成功后，如图5所示，将噪声拟合网络加上图5中多出的部分，即输出层多加了一个神经元，将该神经元的输出c，作为在输入层额外增加的一个输入，构成一个闭环；
40.使用训练好的噪声拟合网络的权重参数，作为纠偏网络对应部分的权重参数；
41.纠偏网络的损失函数loss＝error2,即当前监控装置获得的偏差；
42.2、训练纠偏网络
43.纠偏网络对应于噪声拟合网络的部分按照与训练噪声拟合网络同样的方法来训练纠偏网络，在训练过程中，每次迭代都将神经网络的输出c与专家控制逻辑得到的基础纠偏量offset带入公式算的corr作为纠偏器当前的纠偏量，传给纠偏器并控制纠偏器进行纠偏动作；
44.按照该步骤的方法训练纠偏网络，直至连续1000次损失量loss《tc,或训练论述达到max_epoch；
45.其中，tc表示loss阈值本发明中取0.004，max_epoch表示最大迭代训练轮数，本发明中取1000；
46.3、使用纠偏网络进行纠偏
47.将训练好的纠偏网络停止反向更新权重，只进行前向传播，迭代方法与步骤2相同，使用每次迭代得到的c与offset来计算纠偏量，传给纠偏器并控制纠偏器进行纠偏动作，纠偏量计算公式与步骤2中一样；
48.至此就搭建好了一个由一个纠偏器，监控装置，纠偏网络，专家控制逻辑组成的智能纠偏系统，可用于直线式激光切割纠偏任务；
49.4、偏差监控
50.在使用纠偏网络进行纠偏的过程中，监控纠偏网络的loss，即监控装置获得的偏差值，若连续100次偏差中有25次超过tc(tc意义与步骤4中的tc一致)，则按照步骤1中的噪声拟合网络结构重新搭建并训练一个噪声拟合网络进行训练，训练成功后，使用新的噪声拟合网络按照噪声拟合网络训练成功之后的步骤来搭建纠偏系统。
51.需要说明的是：
52.以上步骤都是基于噪声拟合网络训练成功的前提下进行的，如超过迭代次数上限，仍未能实现连续64次loss《t，则说明该发明方法在当前环境下尚不可行，本发明中迭代此时次数上限阈值为1500；
53.若验证不可行，则检查纠偏器，监控装置，整体机械装置等是否出现磨损，老化或出现外界干扰等问题，若存在问题，则想办法解决问题，然后继续验证可行性，若验证可行，则使用新的噪声拟合网络按照噪声拟合网络训练成功之后的步骤来搭建纠偏系统，否则说明当前出现了难以发现并解决的干扰，该发明方法在该干扰下不可行。
54.以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离发明的实质和范围。