维普资讯http://www.cqvip.com
ＶＯ１．５１ Ｎｏ ６
・
３６２・
Ｊｕｎｅ ２００２
基于ＭＡＴＬＡＢ的铸件缺陷分析与控制
徐建林 ，陈 超 ，王智平 ，刘世忠。
（１．甘肃工业大学材料科学与工程学院，甘肃兰州７３００５０；２．甘肃工业大学机电工程学院，甘肃兰州７３００５０；
３．兰州铁道学院基础科学系，甘肃兰州７３００５０）
摘要：通过对铸件缺陷与影响因素１＂７因果关系的分析，利用ＭＡＴＬＡＢ中的Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ Ｔｏｏｌｂｏｘ仿真环境和ＢＰ模
型算法建立了用于铸件缺陷分析与控制的神经网络模型，详细论述了模型结构的设计、数据处理、网络初始化、训练 与仿真的过程。实践表明，基于ＭＡＴＬＡＢ的铸件缺陷分析与控制模型能有效地提高效率及直观地结果显示，对提高铸 件质量及进一步研究具有积极作用。
关键词：铸件；缺陷；ＭＡＴＩ ＡＢ；分析；控制
中图分类号：ＴＧ２４５—３９ 文献标识码：Ａ文章编号：１００１—４９７７（２００２）０６—０３６２—０４
Ｔｈｅ Ａｎａｌｙｓｉｓ ａｎｄ Ｃｏｎｔｒｏｌ Ａｂｏｕｔ Ｃａｓｔｉｎｇ Ｄｅｆｅｃｔｓ Ｂａｓｅｄ ｏｎ ＭＡＴＬＡＢ
ＷＡＮＧ Ｚｈｉ．ｐｉｎｇ ，ＬＩＵ Ｓｈｉ．ｚｈｏｎｇ３ ＸＵ Ｊｉａｎ．１ｉｎ ，ＣＨＥＮ Ｃｈａｏ２，
（１．Ｃｏｌｌｅｇｅ ｏｆ Ｍａｔｅｒｉａｌｓ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇａｎｓｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｌａｎｚｈｏｕ ７３００５０，
Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ ｏｆ Ｍｅｃｈａｎｏ—Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇａｎｓｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｌａｎｚｈｏｕ
７３００５０，Ｃｈｉｎａ；３．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｂａｓｉｃ Ｓｃｉｅｎｃｅ，Ｌａｎｚｈｏｕ Ｒａｉｌｗａｙ Ｉｎｓｔｉｔｕｔｅ，Ｌａｎｚｈｏｕ ７３００５０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｎａｌｙｓｉｎｇ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｃａｓｔｉｎｇ ｄｅｆｅｃｔｓ ａｎｄ ｉｎｆｌｕｅｎｃｅ ｆａｃｔｏｒｓ，ｔｈｅ ｎｅｕｒａＩ ｎｅｔｗｏｒｋ
ｍｏｄｅＩ ｆｏｒ ｔｈｅ ａｎａｌｙｓｉｓ ａｎｄ ｃｏｎｔｒｏＩ ａｂｏｕｔ ｃａｓｔｉｎｇ ｄｅｆｅｃｔｓ ｉＳ ｓｅｔ ｕｐ ｂａｓｅｄ ｏｎ ＭＡＴＬＡＢ ｎｅｕｒａＩ ｎｅｔｗｏｒｋ ｔｏｏｌ－ ｂｏｘ ａｎｄ ＢＰ ｍｏｄｅＩ．Ｔｈｅ ｐｒｏｃｅｓｓｉｎｇ，ｎａｍｅｌｙ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｄｅｓｉｇｎ，ｔｈｅ ｄａｔａ ｐｒｏｃｅｓｓｉｎｇ，ｔｈｅ ｎｅｔｗｏｒｋ ｉｎｉ－ ｔｉＩｉｚａｔｉｏｎ．ｔｈｅ ｎｅｔｗｏｒｋ ｔｒａｉｎｉｎｇ ａｎｄ ｓｉｍｕｌａｔｉｏｎ ａｂｏｕｔ ｔｈｅ ｍｏｄｅＩ，ｉＳ ｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅ ｒｅｓｕｌｔ ｏｆ ｓｉｍｕｌａｔｉｏｎ ａｎｄ ｐｒａｃｔｉｃａｌ ｏｐｅｒａｔｉｏｎ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｉｍｐｒｏｖｅ ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｄｉｓｐｌａｙ ｔｈｅ ｒｅｓｕｌｔｓ ｗｉｔｈ ｇｒａｐｈｓ ａｎｄ ｔｅｘｔ ｏｆ ｔｈｅ ａｎａｌｙｓｉｓ ａｎｄ ｃｏｎｔｒｏＩ ａｂｏｕｔ ｃａｓｔｉｎｇ ｄｅｆｅｃｔｓ．Ｉｔ ｐｌａｙ ａ ｐｏｓｉｔｉｖｅ ｒｏｌｅ ｆｏｒ ｉｍｐｒｏｖｉｎｇ ｃａｓｔｉｎｇ ｑｕａｌｉｔｙ ａｎｄ ｍａｋｉｎｇ ｔｈｏｒｏｕｇｈ ｒｅｓｅａｒｃｈ．
Ｋｅｙｗｏｒｄｓ：ｃａｓｔｉｎｇ；ｄｅｆｅｃｔｓ；ＭＡＴＬＡＢ；ａｎａｌｙｚｅ；ｃｏｎｔｒｏ１
人工神经网络是２０世纪８０年代迅速兴起的一种
效率及产品质量的因素错综复杂。铸件缺陷的预防和
消除成为两个重要内容，国内外学者都在探讨，如利
信息处理技术，它试图模拟人脑的一些基本特性，如 自组织性、自适应性和容错性能等，已在模式识别、 数据处理和自动控制等方面取得了良好的应用效 果【１］。神经网络的实现方案可分为基于传统计算机 技术（如软件模拟）和基于直接硬件实现（如ＶＩ ＳＩ 技术），但目前常用的方法还是软件模拟。在各种模 拟软件中以ＭＡＴＩ ＡＢ最具影响力。
ＭＡＴＩ ＡＢ是由Ｍａｔｈ Ｗｏｒｋｓ公司推出的用于数 值计算、信号处理和图形显示的应用软件，具有可 靠、高效、稳定的数值运算功能和方便的可视化界面 以及其他高级程序设计语言的接口，越来越受到各行 各业科技工作者的重视。其中神经网络工具箱 （ＮＮｂｏｘ）为神经网络的应用提供了便利。本文拟采 用ＮＮｂｏｘ仿真环境和ＢＰ模型改进算法来分析铸件 缺陷产生情况的预报模型，并检验该法在实际应用中
的可行性和实用性。
用专家系统来分析缺陷【引，但是专家系统如何在不 完全、不精确或不确定的信息基础上做出正确的结论
仍在不断探索中。由于神经网络良好的非线性逼近能
力、泛化功能等特点，为缺陷的分析、预测提供了可
能。
影响铸件缺陷产生的因素异常复杂，据统计有 ２０００多种【３ｊ，各因素对各种缺陷的影响作用不尽相 同，但对于某种缺陷的主要影响因素也是有限的。如 果影响因素为ｘ＝［ｘｌ ｘ２
产生用Ｙ＝［ｙ１ ｙ２
ｘ 。］ （ｘ∈Ｒ ），缺陷
ｙ ］ｒ（ｙ∈Ｒ”）表示，目的就
是要找出一个从Ｒ 到Ｒ”的非线性映射关系。ＢＰ网 络具有强大的非线性映射能力和泛化功能，且性能可
靠稳定，因此可很好地解决该问题。
根据ＢＰ网络的结构及控制目标与影响因素之间
的关系，系统原理图如图１所示。由用户输入的影响
ｌ铸件缺陷分析的神经网络模型
铸件生产是一项复杂的工艺过程，影响铸件生产
因素与ＢＰ网络的输入层对应；ＢＰ网络通过前向计 算得出输出层的输出值，它又与缺陷产生情况对应，
基金项目：甘肃省自然科学基金资助项目（ＺＳ９８１一Ａ２２—０２４一Ｇ）。收稿日期：２００２—０１ ｌ０收到初稿，２００２ ０２ ２５收到修订稿。 作者简介：徐建林（１９７０一），男，陕西岐山县人，讲师，博士生．从事铸造过程控制及微机应用研究。
