基于徑向基神經(jīng)網(wǎng)絡(luò)的廢舊鋁分離技術(shù)研究

周晏鋒，陳蔚芳,潘立劍，韋子祥，徐鵬行

(南京航空航天大學(xué)機(jī)電學(xué)院，江蘇 南京 210016)

0 引言

隨著現(xiàn)代工業(yè)的快速發(fā)展，鋁合金由于密度小、強(qiáng)度大、適應(yīng)性強(qiáng)和可回收等優(yōu)良特性被廣泛用于各個(gè)領(lǐng)域[1-2]。每年進(jìn)行鋁礦開采，同時(shí)又有大量廢舊鋁產(chǎn)生，對環(huán)境產(chǎn)生了巨大的破壞，所以有必要進(jìn)行廢舊鋁分選研究。分選指對不同種類的廢舊鋁進(jìn)行識別并分類，最后把它們分離的系統(tǒng)。回收來的廢舊鋁來自不同領(lǐng)域，必然是多種牌號混雜。對不同牌號的廢舊鋁進(jìn)行精細(xì)分選，可以簡化后期的回收處理流程，幫助企業(yè)降低成本。目前，常用的金屬分選系統(tǒng)主要根據(jù)金屬的密度、顏色、磁性和導(dǎo)電性等物理特性進(jìn)行分選，如浮選法、電渦流法等[3-4]。由于不同牌號的廢舊鋁物理特性非常接近不易區(qū)分，此類方法不適用于廢舊鋁的精細(xì)分選。

激光誘導(dǎo)擊穿光譜(LIBS)技術(shù)是通過激光打在樣品上產(chǎn)生瞬態(tài)等離子體，然后對光譜進(jìn)行分析，從而實(shí)現(xiàn)對樣品定性定量分析的光譜技術(shù)。自20世紀(jì)60年代被提出后，已被廣泛應(yīng)用于多個(gè)領(lǐng)域[5-7]。基于此技術(shù)，可以根據(jù)成分實(shí)現(xiàn)不同牌號廢舊鋁的精細(xì)識別與分類。現(xiàn)有的分離方式主要有噴氣式、翻板式和機(jī)械手[8]。袁華昕[9]使用X射線對煤和矸石進(jìn)行區(qū)分，設(shè)計(jì)了算法獲取尺寸信息，最后利用噴氣氣流將二者分離。譚春超[10]則是采用圖像技術(shù)對煤和矸石進(jìn)行識別，利用機(jī)械手進(jìn)行分離操作。王祺奧等[11-13]使用雙能X射線透射廢金屬進(jìn)行種類識別，并設(shè)計(jì)了噴氣模塊將不同金屬分離開。鄧?yán)^忠等[14]先用視覺技術(shù)對農(nóng)產(chǎn)品識別分類，再控制電機(jī)帶動翻板運(yùn)動實(shí)現(xiàn)分離目的。機(jī)械手過于昂貴，成本較高，而現(xiàn)有的噴氣式與翻板式技術(shù)1次只能分離2種物料，想實(shí)現(xiàn)多種物料分離則需要進(jìn)行多級分離，增加了硬件成本。

想要一次性分離多種廢舊鋁，將相同種類的廢舊鋁吹至一處，就需要根據(jù)廢舊鋁物料的體積參數(shù)準(zhǔn)確調(diào)整噴氣模塊的氣壓，即氣壓、體積與吹離的距離存在一定的函數(shù)關(guān)系。由于分離時(shí)氣流作用于廢舊鋁的情況不易獲取，此函數(shù)關(guān)系難以直接建立數(shù)學(xué)模型，而徑向基(radial basis function，RBF)神經(jīng)網(wǎng)絡(luò)可以較好地逼近連續(xù)函數(shù)[15]。本文通過實(shí)驗(yàn)記錄數(shù)據(jù)獲得訓(xùn)練集和測試集，建立RBF神經(jīng)網(wǎng)絡(luò)模型，并對預(yù)測效果進(jìn)行測試。基于RBF模型預(yù)測結(jié)果，根據(jù)廢舊鋁物料的體積自適應(yīng)地調(diào)整噴氣氣壓，系統(tǒng)可以將不同種類的廢舊鋁吹至不同的距離，實(shí)現(xiàn)廢舊鋁的分離目的。

1 基本原理

將不同大小的同種廢舊鋁物料吹至一處，需要根據(jù)物料自身特征自適應(yīng)調(diào)整分離裝置，即存在函數(shù)關(guān)系，但此函數(shù)較為復(fù)雜，難以直接列出。鑒于RBF神經(jīng)網(wǎng)絡(luò)可以無限逼近連續(xù)函數(shù)的特點(diǎn)，可以用于分離系統(tǒng)的控制。RBF神經(jīng)網(wǎng)絡(luò)為前饋網(wǎng)絡(luò)，是一種3層神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，包括輸入層、隱層和輸出層。輸入層由一些感知單元組成，它們將網(wǎng)絡(luò)與外界環(huán)境連接起來；第2層是網(wǎng)絡(luò)中僅有的1個(gè)隱層，它的作用是從輸入空間到隱層空間之間進(jìn)行非線性變換，在大多數(shù)情況下，隱層空間有較高的維數(shù)；輸出層是線性的，它為作用于輸入層的激活模式提供響應(yīng)。

圖1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

徑向基函數(shù)是一個(gè)取值僅依賴于離原點(diǎn)距離的實(shí)值函數(shù)，即

Φ(x)=Φ(‖x‖)

(1)

或者還可以是到任意一點(diǎn)c的距離，c點(diǎn)稱為中心點(diǎn)，也就是

Φ(x,c)=Φ(‖x-c‖)

(2)

任意一個(gè)滿足式(1)特性的函數(shù)Φ都叫做徑向基函數(shù)，最常用的徑向基函數(shù)是高斯核函數(shù)，形式為

(3)

xc為核函數(shù)中心；σ為函數(shù)的寬度參數(shù)，用以控制函數(shù)的徑向作用范圍。RBF網(wǎng)絡(luò)中，x=[xi]T為網(wǎng)絡(luò)的輸入，網(wǎng)絡(luò)的隱含層輸出為h=[hj]T，hj為隱含層第j個(gè)神經(jīng)元的輸出:

(4)

RBF網(wǎng)絡(luò)權(quán)值為

w=[w1,…,wm]T

(5)

RBF網(wǎng)絡(luò)輸出為

y(t)=wTh=w1h1+w2h2+…+wmhm

(6)

在MATLAB軟件中，newrbe()函數(shù)可以快速設(shè)計(jì)一個(gè)徑向基函數(shù)網(wǎng)絡(luò)，且使得設(shè)計(jì)誤差為0。使用方法為net = newrbe(P,T,spread)，其中,P為輸入，T為輸出，net為建立的網(wǎng)絡(luò)。spread值用以調(diào)整徑向基函數(shù)的寬度，寬度為0.832 6/spread。spread值的設(shè)置決定了每個(gè)徑向基神經(jīng)元對輸入向量產(chǎn)生響應(yīng)的區(qū)域。

2 實(shí)驗(yàn)部分

2.1 實(shí)驗(yàn)裝置

廢舊鋁分離系統(tǒng)的總體設(shè)計(jì)如圖2所示，廢舊鋁置于傳送帶上勻速前進(jìn)。首先經(jīng)過LIBS模塊，由脈沖激光器(北京鐳寶公司，Dawa-100)和光譜儀(Avantes，AvaSpace-ULS2048CL-4-EVO)組成。高能脈沖激光照射廢舊鋁物料后在表面產(chǎn)生等離子體，利用光譜儀對等離子體進(jìn)行識別確定廢舊鋁物料的成分，將數(shù)據(jù)傳輸至計(jì)算機(jī)后結(jié)合主成分分析法和智能算法對其分類，歸類為成分最相近的一類鋁合金。接著，物料被線激光輪廓傳感器(LMI Technologies，Gocator 2400 series)掃描后，將信息傳輸至計(jì)算機(jī)并對物料的體積和形心位置進(jìn)行計(jì)算，最后將控制信息通過串口發(fā)送給下位機(jī)。

圖2 分離系統(tǒng)總體設(shè)計(jì)

下位機(jī)STM32主要用于控制比例閥和噴氣模塊。比例閥可以按輸入的電氣信號連續(xù)地、按比例地對氣壓進(jìn)行調(diào)整。噴氣模塊為自行設(shè)計(jì)，其具體結(jié)構(gòu)如圖3所示。系統(tǒng)有2個(gè)步進(jìn)電機(jī)，電機(jī)1可以通過聯(lián)軸器控制噴嘴繞X軸進(jìn)行俯仰角度調(diào)整，用以找到最合適的噴氣角度，盡量利用較小的氣壓實(shí)現(xiàn)物料分離；電機(jī)2則可以控制噴嘴繞Y軸進(jìn)行旋轉(zhuǎn)角度調(diào)整，主要用以適應(yīng)物料在傳送帶上不同位置的情況。根據(jù)之前獲得的物料形心坐標(biāo)，對角度進(jìn)行微調(diào)后可以使分離氣流對準(zhǔn)物料形心，避免漏吹現(xiàn)象，提升分選的準(zhǔn)確率。

圖3 噴氣模塊結(jié)構(gòu)示意

最終，每當(dāng)廢舊鋁物料通過傳送帶時(shí)，計(jì)算機(jī)就能獲取其種類、體積和形心位置信息，且通過下位機(jī)控制后產(chǎn)生一股氣壓、角度自適應(yīng)的氣流，在物料到達(dá)傳送帶末端落下時(shí)，這股分離氣流可以將物料吹離預(yù)定的距離。存儲箱內(nèi)用擋板分隔有若干空間，則傳送帶上的物料就可以根據(jù)其種類不同被吹到對應(yīng)的隔間內(nèi)，實(shí)現(xiàn)廢舊鋁的分離。

2.2 數(shù)據(jù)獲取

使用噴氣方式分離廢舊鋁時(shí)，吹離的距離受廢舊鋁物料的密度ρ、體積V和噴氣氣壓p等參數(shù)影響。由于本文主要針對廢舊鋁進(jìn)行分離，常見牌號鋁合金的密度如表1所示。各系列鋁合金密度相差不大，故而只考慮物料體積和氣壓造成的影響。

表1 常見牌號的鋁合金密度

3 結(jié)果分析

newrbe函數(shù)中的spread為徑向基函數(shù)的擴(kuò)展速度，spread值的選取會影響RBF模型的精度和穩(wěn)定性。因此，選取不同大小的spread值建立模型后，對80組測試集數(shù)據(jù)進(jìn)行預(yù)測，并與實(shí)際值比較從而選取最佳的spread值。不同spread值對應(yīng)的擬合優(yōu)度R2(coefficient of determination)和均方根誤差分別如圖4和圖5所示。決定系數(shù)R2，也稱判定系數(shù)或者擬合優(yōu)度，它是表征回歸方程在多大程度上解釋了因變量的變化，或者說方程對預(yù)測值的擬合程度如何。R2的值越接近1，說明回歸方程對預(yù)測值的擬合程度越好；反之，R2的值越小，說明回歸方程對預(yù)測值的擬合程度越差。均方根誤差是用來衡量預(yù)測值同真值之間的偏差，均方根誤差越小則說明預(yù)測效果越好。當(dāng)spread值為0.6時(shí)擬合優(yōu)度最高，之后隨著spread值增大趨于穩(wěn)定，而spread值為0.1～0.2時(shí)均方根誤差快速降低，之后均處于較低水平。因此，可以得知spread值為0.6時(shí)對模型建立最合適，能夠得到精度較高的RBF網(wǎng)絡(luò)模型。

圖4 不同spread值下模型的擬合優(yōu)度

圖5 不同spread值下預(yù)測結(jié)果的均方根誤差

取spread值為0.6后，建立RBF網(wǎng)絡(luò)模型并對測試集進(jìn)行預(yù)測。圖6為廢舊鋁物料吹離距離的分布散點(diǎn)圖，其中，圖6a為訓(xùn)練集中230組數(shù)據(jù)的實(shí)際距離，圖6b為測試集中80組數(shù)據(jù)的預(yù)測距離。可以發(fā)現(xiàn)隨著物料體積的增大，物料被吹離的距離逐漸減小；而隨著分離氣流氣壓增大，吹離距離也在增大。測試集中預(yù)測值變化基本符合這一規(guī)律，數(shù)據(jù)的分布規(guī)律也基本相似。

圖6 廢舊鋁吹離距離分布散點(diǎn)圖

將這80組數(shù)據(jù)中吹離距離的實(shí)際值和預(yù)測值進(jìn)行對比，如圖7所示。預(yù)測值的分布基本與實(shí)際值相吻合，誤差較小。擬合優(yōu)度R2可達(dá)到93%，均方根誤差ERMSE約為2.99，證明模型的預(yù)測效果較好。分離系統(tǒng)運(yùn)作時(shí)，系統(tǒng)可根據(jù)廢舊鋁具體情況先進(jìn)行吹離距離的預(yù)測，若是預(yù)測結(jié)果符合預(yù)定范圍，則選取合適大小的氣壓進(jìn)行分離。由于廢舊鋁的存儲部分用隔板進(jìn)行了空間劃分，所以實(shí)際分離過程中廢舊鋁物料只要能掉入正確的隔間內(nèi)即可，這就使得實(shí)際吹離距離的允許誤差范圍增大，提升了分離系統(tǒng)的容錯(cuò)率，廢舊鋁的分離效果進(jìn)一步提升，準(zhǔn)確率可以達(dá)到96%以上。

圖7 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果

4 結(jié)束語

本文設(shè)計(jì)的廢舊鋁分離系統(tǒng)能夠?qū)魉蛶蠌U舊鋁物料識別，獲取其種類、體積和形心位置信息。選取廢舊鋁物料進(jìn)行實(shí)驗(yàn)并記錄數(shù)據(jù)，建立了吹離距離與氣壓、體積的RBF網(wǎng)絡(luò)模型，擬合優(yōu)度可達(dá)93%，均方根誤差僅為2.99，實(shí)際分離準(zhǔn)確率可達(dá)96%以上。通過實(shí)驗(yàn)，證明系統(tǒng)可以對物料吹離距離進(jìn)行有效預(yù)測，從而選取合適的氣壓進(jìn)行自適應(yīng)分離，提供了一種廢舊鋁分離的新方法。實(shí)驗(yàn)過程中也發(fā)現(xiàn)氣流沒有對準(zhǔn)物料會產(chǎn)生漏吹現(xiàn)象，或者物料偏離正常軌跡，此外實(shí)際效果也與物料形狀有一定關(guān)系，值得進(jìn)一步研究，以提升分離準(zhǔn)確率。