[发明专利]一种用于螺栓联接的拧紧力矩自适应补偿方法

权利要求书

1.一种用于螺栓联接的拧紧力矩自适应补偿方法，其特征在于该方法包括以下步骤：

(1)采集多个螺栓在拧紧时分别所需的拧紧力矩，并分别记录拧紧时的环境属性，包括螺栓的加工精度、润滑度、表面碎屑和环境温度，多个螺栓所需的拧紧力矩组成一个向量，记为H＝{h₁,h₂,…,h_c}，对向量中的每一拧紧力矩进行延展升维，得到一个f×1维度的拧紧力矩向量：

H₁＝(h₁,h₁,…,h₁)^T

H₂＝(h₂,h₂,…,h₂)^T

H_c＝(h_c,h_c,…,h_c)^T

其中，f为延展升维后得到拧紧力矩向量的长度值，f取值大于所记录的环境属性的个数，c为螺栓个数，上标T为向量转置；

(2)根据上述拧紧力矩向量，建立一个意识反应模型，表达式如下：

y_i(n)＝H_i(n)+αWH_i(n)

其中，y_i(n)为第i个螺栓的拧紧力矩向量在意识反应模型中第n次迭代下超立方体空间上的坐标位置表示，α为拧紧力矩调整因子，取值范围为[0,1]，n为意识反应模型的迭代次数，V为意识反应模型的门限值，表示意识反应模型的超立方体边缘点，H_i(n)为对第i个螺栓的拧紧力矩进行延展后得到的向量，H_i,j(n)为第n次迭代下第i个螺栓的第j个拧紧力矩，j＝1,2,…,f，W是f×f矩阵，f为延展升维后得到拧紧力矩向量的长度值,即意识反应模型中为神经元数目，W满足如下条件，以保证聚类角点拥有吸引力：

W＝W^T

λ_min≥0，λ_mim为W的最小特征值

ω_i,j是W的第i行第j列元素值

ε是正常数，

为超立方体函数，用于限制意识反应模型的超立方体边界；

(3)向上述意识反应模型中输入步骤(1)的f×1维度的拧紧力矩向量，得到第i个螺栓的拧紧力矩分类标记H_i(n)，重复本步骤，得到所有螺栓的拧紧力矩分类标记；

(4)根据步骤(3)所有螺栓的拧紧力矩分类标记，利用下式，计算步骤(1)中拧紧时螺栓的加工精度、润滑度、表面碎屑和环境温度的Gini指标：

其中，e是步骤(1)的环境属性的序号，d是同一聚类角点的拧紧力矩值个数，l是在同一聚类角点中拧紧力矩序号，p为比率，是指以环境属性e作为分类标准，对步骤(2)的意识反应模型聚类角点上的聚类值即拧紧力矩进行分类，分到各环境属性序号的拧紧力矩个数占总拧紧力矩个数的比率；

一个聚类角点上的所有拧紧力矩向量构成一个聚类集，计算每一个聚类集与各环境属性相对应的Gini指标，以与该聚类集相对应的Gini指标中的最低Gini指标作为相应环境属性的聚类标签，并将相同聚类标签的聚类角点合并为一个带有聚类标签的聚类集；

(5)建立一个基于记忆方法的补偿神经网络，补偿神经网络的模型如下：

h_t＝tanh(X_t)·O_t

X_t＝X_t-1s_t+I(t)tanh(C_t)tanh(h_t-1)+tanh(h_t)

s_t＝μ(W_s·[X_t-1,h_t-1,C_t]+b_s)

I_t＝μ(W_I·[X_t-1,h_t-1,C_t]+b_I)

O_t＝μ(W_O·[X_t-1,h_t-1,C_t]+b_O)

其中，tanh符号为双曲正切函数，其表达式如下：

X_t-1为取值在[0，1]之间的记忆细胞，表示对历史输入值h_i(i＝1,2,…,t-1)的保留程度，当X_t-1的取值为1时，表示“对t-1之前时刻所有输入值h_i(i＝1,2,…,t-1)完全保留并进入下一公式”，当X_t-1的取值为0时，表示“对t-1之前时刻所有输入值h_i(i＝1,2,…,t-1)完全舍弃并进入下一公式”，X_t为补偿神经网络的记忆细胞输出，输出值范围为[0,1]，C_t为t时刻环境属性序号，h_t-1,h_t分别为第t-1和t时刻的拧紧力矩，s_t、I_t、O_t分别为短时记忆网络、输入网络、输出网络的结果输出，W_s,b_s,W_I,b_I,W_O,b_O分别为短时记忆网络、输入网络、输出网络的权值向量和偏置；

(6)将步骤(1)得到的第t-1时刻拧紧力矩值、第t时刻的环境属性序号作为步骤(5)的补偿神经网络的输入，步骤(1)的第t时刻的拧紧力矩值作为指导输出，对步骤(5)的补偿神经网络模型中的权值向量、偏置和记忆细胞X_t-1进行随机初始化，训练过程中，将第t-1时刻拧紧力矩值、第t时刻的环境属性序号和记忆细胞X_t-1输入步骤(5)的补偿神经网络，计算输出结果与指导输出的差值，根据该差值对补偿神经网络的权值向量和偏置进行反馈调整，重复上述训练过程，直到输出结果与指导输出的差值小于设定阈值，结束训练过程，并将此时的权值向量和偏置作为补偿神经网络中短时记忆网络、输入网络、输出网络的权值向量和偏置，得到训练成熟的补偿神经网络；

(7)设当前时刻为g时刻，将第g-1时刻的拧紧力矩值h_g-1、当前g时刻的环境属性序号值C_g以及第g-1时刻记忆细胞X_g-1输入到步骤(6)训练成熟的补偿神经网络中，输出的h_g即为当前g时刻的补偿后的拧紧力矩值。