喷丸处理后6061铝合金工件表面粗糙度的模拟计算及预测

以6061铝合金工件为对象,研究了喷丸对工件表面粗糙度的影响。首先,建立了喷丸有限元仿真模型,分别模拟计算了单丸粒喷丸和多丸粒喷丸后铝合金工件的表面形貌。对应进行了单丸粒喷丸和多丸粒喷丸试验,采用激光共聚焦显微镜获取了喷丸后实际工件的表面形貌,以验证所建立的喷丸有限元仿真模型的有效性。在此基础上,对铝合金工件开展了9组喷丸的正交模拟试验,通过对喷丸表面进行离散计算得到三维粗糙度参数Sq,研究获得工件初始粗糙度、丸粒尺寸、丸粒速度和喷丸覆盖率对工件表面粗糙度的影响规律。采用BP神经网络模型对正交试验结果进行处理,获得铝合金工件喷丸处理后表面粗糙度的预测模型。将预测的经喷丸处理后的工件表面粗糙度与模拟试验的粗糙度数据进行对比可知,两者的平均误差仅为3.46%,预测精度能够满足实际喷丸需要;相应构建了喷丸处理后铝合金工件的表面粗糙度控制图,这对实际喷丸过程中较准确控制工件的表面粗糙度有重要价值。     

振动对车削表面粗糙度的影响

本文提出了产生振动时,车削表面粗糙度的理论计算方法,导出了产生振动时表面粗糙度计算公式,并进行了相应的讨论。     

基于MEA-BP神经网络的超声挤压加工表面粗糙度预测

为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型.该模型利用思维进化算法(mind ev-olutionary algorithm,MEA)的全局搜索能力对BP神经网络的权值和阈值进行优化.为了验证该模型的有效性,对45号钢进行超声挤压加工...     

基于GAELM神经网络的日前电价预测

针对日前电价预测问题,利用极限学习机建立预测模型.鉴于极限学习机在训练前随机产生输入权重和隐藏节点偏置,可能导致预测结果不稳定以及预测精度太低的问题,提出了一种基于遗传算法(GA)和极限学习机(ELM)的预测方法.首先利用遗传算法对极限学习机随机生成的参数进行寻优,然后根据优化后的参数建立基于GA-ELM的电价预测模型.最后以此模型对PJM电力市场的日前电价进行预测.结果表明,相比ELM和BP神经网络,GA-ELM具有更高的预测精度.     

低能离子束刻蚀单晶硅表面形貌与粗糙度的研究

研究了低能Ar＋离子束对单晶硅表面的刻蚀效果.使用自制的冷阴极离子源,通过控制离子束的入射能量和刻蚀时间等因素,对单晶硅（100）表面进行刻蚀,采用原子力显微镜（AFM）和非接触式表面测量仪对刻蚀后硅片的表面形貌以及表面粗糙度（RMS）进行测量.实验结果表明：当离子束正入射、束流密度为20μA/cm2、刻蚀时间为30min、刻蚀距离为7cm时,入射能量从800eV增加到1 200eV的过程中,此时表面光滑起主要作用,表面粗糙度逐渐减小;继续增大入射能量到1 600eV时,表面粗糙度开始增大,当入射能量达到1 400eV时,通过AFM观察,硅片表面出现了自组织纳米点状结构,此时表面粗糙起主要作用;延长刻蚀时间同样可以看到粗糙度先减小后增加,延长刻蚀时间到90min,表面的粗糙度达到1.245nm,AFM观察表明,随着时间的增加,由于样片表面原子扩散影响,点状结构排列趋于均匀.     

基于R-OSELM的海洋环境数据在线预测

为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初始化海洋环境数据训练集,通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块输入,利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理,实现预测模型的在线更新,最后完成对海洋环境数据的在线预测.使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测,结果表明R-OSELM模型的预测精度高于对比模型,确定其具备海洋环境数据在线预测能力,可为海洋水域水体富营养化与海洋环境污染预警提供参考.     

基于人工神经网络的螺旋锥齿轮磨削加工表面粗糙度预测

影响螺旋雏齿轮磨削加工表面粗糙度Ra的因素众多且很不明确,Ra值的预测属于典型的模糊非线性问题.根据神经网络原理,建立了预测Ra的BP模型,此模型可精确地描述砂轮进给速度、齿深进给量对螺旋锥齿轮磨削加工表面粗糙度的影响.实验证明,用BP模型预测螺旋锥齿轮磨削加工表面粗糙度可获得平均相对误差为3.78%的高精度预测结果.     

抛光前Si(100)单晶片表面粗糙度的研究

采用光学显微镜、原子力显微镜和表面轮廓仪等测试方法系统研究了温度和NaOH浓度对Si(100)单晶片表面粗糙度的影响,结果表明:低温下,硅片表面的缺陷和损伤引起的局部腐蚀速率较大,是造成硅片表面粗糙度大的主要原因;而高温下温度的影响大于表面缺陷和损伤的影响,局部腐蚀速率差减小,硅片表面较为平整。另外,硅片在质量分数为20%~30%的NaOH溶液中腐蚀后粗糙度较小,是因为硅片在此浓度范围的腐蚀液中腐蚀速率较快,而浓度较高时腐蚀速率反而变慢的缘故。     

基于小波包全频带分析和OS-ELM的小电流单相接地故障选线

为提高配电网单相接地故障特征提取的有效性以及实现对故障选线的准确判别,提出了一种基于小波包全频带分析和在线序贯极限学习机(OS-ELM)的新的故障选线分析方法.本文灵活运用小波包的多分辨率分频特性,提取了小电流单相接地故障暂态信号的特征量;利用OS-ELM将批处理和逐次迭代相结合,不断更新训练数据和网络结构,实现了对单...     

基于OS-ELM的光伏发电中长期功率预测

为了进一步提高光伏出力预测的精度,提出了一种基于在线序列极限学习机的光伏发电中长期功率预测方法. 结合在线序列极限学习机学习速度快、泛化能力强的特点,通过对大量气象数据和历史发电数据综合处理,对光伏发电系统的输出功率进行预测. 同时,由于实时数据的不断输入,该方法能够对预测模型进行在线更新. 算例仿真研究表明,该预测方法与反向传播神经网络、支持向量机方法相比,能够有效提高预测精度,满足在线应用的需求,具有较好的应用前景.     

GA优化ELM神经网络的排水管道缺陷诊断

为及时发现排水管道安全隐患,准确掌握管道状况,结合极限学习机(extreme learning machine,ELM)神经网络和管道闭路电视(closed circuit television,CCTV)检测,建立一个数据驱动的排水管道缺陷诊断模型.采用遗传算法(genetic algorithm,GA)优化ELM神...     

双密度小波中线的表面粗糙度分离技术

微纳米检测技术的发展对机械加工表面评定技术提出了更高的要求,准确地分离出表面粗糙度信号显得尤为重要.现有的小波滤波中线存在着滤波结果与采样点起始位置有关的问题.针对于此,提出了一种基于双密度小波中线的粗糙度分离方法,用于工程表面信号的分析,克服了采样点位置对分离结果的影响,提高了分离粗糙度、波度等频率成分的准确性.仿真及实验结果表明,新的双密度小波中线基准能够平移不变的提取表面粗糙度,准确性相比于其他方法提高4%.     

基于参数优化的机器人花键装配偏角感知识别方法

针对花键装配过程中存在轴孔偏角引起的卡阻导致装配成功率低的问题,提出基于参数优化的机器人花键装配偏角感知识别方法. 根据花键装配的特点,利用力传感器采集花键装配过程中的力/力矩信号,基于混合鲸鱼优化算法(HWOA)的极限学习机(ELM)识别偏角的力信号并构建偏角经验库. 结合支持向量数据描述(SVDD)算法,实现了未定义偏角的感知和偏角经验库的自我更新,以及用偏角的感知识别指导机器人完成花键装配任务. 实验结果表明,所提方法对未定义偏角感知成功率和对已知偏角的识别精度分别为98.8%、98.12%,能有效指导机器人进行花键装配.     

基于ikPCA-FABAS-KELM的短期风电功率预测

为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型.首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型运行速度;其次,引入萤火虫个体吸引策略对天牛须算法(BAS)进行改进,提出FABAS算法;最后,利用FABAS算法对核极限学习机(KELM)的正则化参数C和核参数γ进行寻优,降低人为因素对模型盲目训练的影响,提高模型预测精度.仿真结果显示,提出的预测模型有效提高了传统模型的预测精度.     

遗传神经网络在滑坡灾害预报中的应用研究

针对传统BP算法易收敛于局部最优以及网络结构难以确定等问题,引进遗传算法进行混合建模.采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免陷入局部极小.文中结合实例,对BP神经网络,遗传算法改进的神经网络进行了比较分析.实验表明,利用改进的混合模型可以提高预测精度,缩短收敛时间.     

Features of energy distribution for blast vibration signals based on wavelet packet decomposition

Blast vibration analysis constitutes the foundation for studying the control of blasting vibration damage and provides the precondition of controlling blasting vibration. Based on the characteristics of short-time non-stationary random signal, the laws of energy distribution are investigated for blasting vibration signals in different blasting conditions by means of the wavelet packet analysis technique. The characteristics of wavelet transform and wavelet packet analysis are introduced. Then, blasting vibration signals of different blasting conditions are analysed by the wavelet packet analysis technique using MATLAB; energy distribution for different frequency bands is obtained. It is concluded that the energy distribution of blasting vibration signals varies with maximum decking charge, millisecond delay time and distances between explosion and the measuring point. The results show that the wavelet packet analysis method is an effective means for studying blasting seismic effect in its entirety, especially for constituting velocity-frequency criteria. Foundation item: Project(50490272) supported by the National Natural Science Foundation of China; project(2004036430) supported by the Postdoctoral Science Foundation of China     

Features of energy distribution for blast vibration signals based on wavelet packet decomposition

Blast vibration analysis constitutes the foundation for studying the control of blasting vibration damage and provides the precondition of controlling blasting vibration. Based on the characteristics of short-time nonstationary random signal, the laws of energy distribution are investigated for blasting vibration signals in different blasting conditions by means of the wavelet packet analysis technique. The characteristics of wavelet transform and wavelet packet analysis are introduced. Then, blasting vibration signals of different blasting conditions are analysed by the wavelet packet analysis technique using MATLAB; energy distribution for different frequency bands is obtained. It is concluded that the energy distribution of blasting vibration signals varies with maximum decking charge,millisecond delay time and distances between explosion and the measuring point. The results show that the wavelet packet analysis method is an effective means for studying blasting seismic effect in its entirety, especially for constituting velocity-frequency criteria.     

New Optimal DWT Domain Image Watermarking Technique via Genetic Algorithm

A novel optimal image watermarking scheme is proposed in which the genetic algorithm (GA) is employed to obtain the improvement of algorithm performance. Arnold transform is utilized to obtain the scrambled watermark, and then the embedding and extractio     

基于小波包变换的直接序列扩频通信窄带干扰抑制技术

为了进一步提高直接扩频通信系统抑制大功率窄带干扰的能力,分别利用多进制小波包和复小波包分解将信号与干扰分离,然后再对滤波处理后的分解结果进行小波包合成.试验结果证明,这两项技术的误比特率性能优于二进制小波包噪声抑制技术     

蝙蝠算法改进策略在滚动轴承寿命预测模型中的应用

为了实现基于振动数据的轴承寿命预测, 构造了包含时、频统计指标与反三角函数统计指标的健康指标集, 通过比较与均方根指标的余弦相似度和相关系数, 实现了指标集的筛选和约减; 针对基础极限学习机(extreme learning machines, ELM)模型因参数随机配置导致的精度偏低问题, 引入以蝙蝠算法(bat algorithm, BA)为代表的元启发算法; 考虑传统BA易陷入局部最优的弊端, 建立了BA的改进策略, 即采用莱维飞行增强算法的搜索能力, 通过对立学习增强种群的多样性, 从而在保证搜索精度的前提下, 提高搜索效率。利用某滚动轴承的全寿命周期试验数据, 验证了BA改进策略对寿命预测模型的重要贡献。研究结果表明, 无论测试集处于何种工况, 上述预测框架均具有极高的预测精度, 不仅与真实寿命曲线拟合程度较高, 而且在与RBF、CS-ELM等预测模型的对比中, 体现了更强的泛化性能和算法稳定性。