基于径向基函数网络的微合金钢流变应力的预测

本文建立了预报微合金钢热变形中流变应力的径向基函数网络模型。与通常的BP函数网络模型进行了对比 ,并与实测结果进行校核。结果表明 ,对于本文研究的问题 ,径向基函数网络避免了BP网络的局部极小及收敛速度慢等缺点 ,在精度、训练速度等方面优于BP网络     

基于径向基函数神经网络的管道缺陷漏磁场分析

管道缺陷漏磁场的量化研究一直是个难题，提出了应用径向基函数（RBF）神经网络来对漏磁场插值计算和非线性逼近的必要性，建立了适合该问题的RBF网络模型，给出了学习算法，制作了常见的人工凹坑缺陷，并对其用该方法进行插值和漏磁场曲面重构。结果表明，该模型算法收敛速度快、自适应性强、所需数据量小、计算量少、拟和曲面效果好，能很好地反映缺陷漏磁场的分布，比其它插值方法更方便、有效，为管道缺陷检测量化提供了一种可行的方法。     

陶瓷基复合材料结构固有频率与内部损伤分析

通过室温条件下的循环加卸载试验,研究编织SiC/SiC复合材料固有频率特性及内部损伤演化过程.结果表明:固有频率随循环加卸载过程中峰值应力的增大而减小,通过分别定义频率衰退参数Φ与模量衰退参数D表征了复合材料固有频率与弹性模量的折减程度.基于细观力学理论对编织陶瓷基复合材料循环加卸载迟滞回线进行理论计算,理论模拟结果与...     

基于径向基函数神经网络控制的机械臂轨迹误差研究

当前,机械臂关节运动轨迹容易受到外界环境的干扰,导致运动轨迹不稳定,抖动现象特别严重,不能很好地满足轨迹跟踪任务的要求。对此,文中创建机械臂双关节运动简图模型,采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹。分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,引用李雅普诺夫函数对控制器的稳定性和收敛性进行了证明。结合具体实例,借助于Matlab软件对机械臂双关节的运动轨迹追踪误差进行仿真。同时,与模糊PID控制的仿真误差进行对比和分析。仿真曲线显示,机械臂关节采用RBF神经网络自适应控制方法,运动轨迹追踪所产生的误差较小,输入力矩的振动幅度相对较小。因此,机械臂关节末端采用RBF神经网络自适应控制器,可以降低运动轨迹的跟踪误差,改善振动现象。     

径向基函数神经网络应用于反向工程曲面重构的研究

讨论了目前反向工程中曲面重构的方法 ,提出将径向基函数神经网络应用于自由曲面的拟合 ,并对该方法理论上的可行性和实践上的实用性进行了讨论和验证 ,证明了径向基函数神经网络应用于解决曲面拟合问题的可行性 ,为解决反向工程的技术关键———自由曲面重构提供了一个新的途径     

基于失效树理论的结构多位置损伤检测方法

在某一确定荷载作用下,结构不同部位的失效概率是不同的.为此提出了基于失效树理论进行人工神经网络样本采集的方法.在此基础上,采用人工神经网络和遗传算法进行结构动力损伤定位和损伤程度的估计.算例分析表明:基于失效树理论可以有效地减少训练样本的大小,从而有效的进行结构多损伤情况下的损伤检测分析.     

悬臂梁试件损伤检测中固有频率指标的应用

建立了基于固有频率的损伤定位理论基础,该理论表明损伤定位参数仅是损伤位置的函数。在损伤定位的基础上,提出了判断损伤程度的方法。运用ABAQUS对车用钢板悬臂试件进行了有限元分析,得到了损伤定位参数和损伤程度判断参数的变化规律,并且研究了损伤程度对损伤定位结果的影响,当缺口长度小于试件宽度的50%时,既可以进行高精度的损伤定位还可以对损伤程度进行判定。最后通过动态测试分析系统进行了模态试验,验证了该方法的有效性和准确性。     

飞机复合材料结构冲击损伤的红外检测

由于飞机复合材料自身结构和制造工艺的特点,其冲击损伤破坏与金属材料明显不同。通过脉冲热像检测法,着重研究了低能冲击下飞机复合材料的损伤破坏特点,分析了飞机复合材料的冲击损伤源及其危害程度。结合飞机外场检测条件,就飞机复合材料损伤的原位检测提出了初步建议。     

飞机铝合金结构热损伤的涡流检测

热损伤是事故飞机铝合金结构损伤的主要形式之一。通过分析热损伤过程中材料机械性能的改变与电导率数值变化之间的对应关系，探讨应用涡流电导率法测定飞机铝合金结构热损伤的可能性，可望在实际工程中得到推广应用。     

基于TRIZ的径向辗环机检测系统创新设计

针对普通径向辗环机检测系统目前存在的调整、控制问题,应用TRIZ理论进行分析,提出一种能将检测系统信号融入辗扩过程控制之中的经济、简单、有效的检测系统改进设计方案。该方案已成功应用于一台D52-800型径向辗环机,经一年多来的运行检验,证明改进后的检测系统稳定可靠,检测精度较高,降低了劳动强度和生产成本,取得了较好的经济效益。     

基于经验模态分解法和时域幅值参数识别结构损伤程度

介绍了经验模态分解法EMD和传统时域幅值5种参数的定义。对某一简支梁模型,利用振动系统采集振动响应信号,应用EMD和时域幅值参数相结合的方法,很好地判别了简支梁的损伤位置。在不同损伤程度的情况下,通过EMD分解,计算各时域幅值参数的变化率,从而较好地识别出了损伤的程度。损伤程度的识别中,脉冲指标效果最好,其次为裕度指标和峭度指标。     

分拣机复合材料摆臂的静动态特性分析及结构优化

LED分拣机属于高速、高精、高可靠性设备,而摆臂是其核心部件,摆臂高速旋转的动态特性直接影响芯片的分拣。基于悬臂梁理论,分析摆臂的运动规律确认摆臂的静刚度及固有频率是影响其动态特性的关键。利用ANSYS软件,分别对不同铺层角度的摆臂进行静动态特性分析,确认最优铺层角度。为保证摆臂的静刚度和固有频率,对摆臂尺寸进行优化设计。结果表明,铺层角度对摆臂的静动态特性影响几乎没有,而优化设计后的摆臂质量增加6.8%,静刚度增加11.7%,二阶固有频率增加3%。     

基于RBF神经网络的刀具磨损量的估测

简要介绍了电流监测方法以及RBF神经网络的结构和算法，并基于镗削过程中的一组实验数据，用RBF神经网络方法，对刀具磨损量进行估测，结果的误差分析证明该方法是可行的。     

动态法桥梁损伤检测与识别技术面临的挑战

动态法桥梁损伤检测与识别技术是近年来国际土木工程界研究的热点之一。在系统调研的基础上,分析和总结了该项技术在研究与应用过程中所面临的主要问题,同时对其下一步的研究工作提出了相关建议。     

基于RBF神经网络的MOTOMAN-UPJ型机器人运动学逆解

利用D—H参数对MOTOMAN—UPJ型机器人建立坐标系,推导出正运动学公式。将由此得到的运动学正解作为训练样本,利用RBF神经网络的局部逼近的优点,将求解机器人运动学逆解转化为对神经网络的权值进行训练。实现了机器人从工作空间到关节空间的非线性映射。使用12输入,单输出的RBF网络,对6自由度的MOTOMAN—UPJ机器人进行了计算仿真,验证了该方法的可行性。与传统解析法相比,大大减少了求解运动方程的计算量。与BP神经网络相比,加快了收敛速度,解决了实时性差的问题。     

基于RBF神经网络与LMD的滚动轴承故障诊断方法

直升机传动系统故障诊断及预测对提高其运行时的可靠性和安全性具有重要意义。本研究首先采用小波包降噪与局部均值分解相结合的方法提取滚动轴承故障特征,其次用故障样本对设计好的RBF(Radial Basis Function Neural Net-work,简称RBF)诊断网络进行训练,最后利用训练好的RBF网络实现故障的智能诊断。实验结果验证了该方法能够有效地对滚动轴承故障进行分类识别。     

基于RBF神经网络间接求取运动学逆解的研究

七自由度工业机器人的几何结构大多满足Pieper准则,所以针对七自由度的封闭解法具有很大的发展空间。提出了一种基于RBF神经网络间接求取运动学逆解的方法,将运动学方程转化成了优化控制问题。采用遗传算法与最佳柔顺性准则相结合的方法,为RBF神经网络算法提供了精确的样本;为了提高神经网络算法的收敛速度以及收敛精度,进行间接求取的方式,引入连杆三角形夹角的概念;为了验证结果的可靠性,以七自由度冗余机械臂为对象,开展了基于RBF神经网络算法间接求逆的优化实验,并对比传统的RBF神经网络求取运动学逆解算法,结果表明,该算法结构简单,且能够显著提高收敛精度和收敛速度。     

改进RBF神经网络挖掘机液压工装轨迹优化控制

针对挖掘机工装轨迹控制精度差的问题,提出一种基于改进RBF神经网络的挖掘机工装轨迹控制方法。分析挖掘机工作装置在纯机械控制策略和基于S-Function的RBF神经网络控制策略下的输出响应特性;提出基于遗传算法的RBF神经网络工装轨迹控制策略;通过水平挖掘模拟实验对工装轨迹控制精度进行分析。结果表明:提出的基于RBF神经网络的挖掘机工装轨迹控制方法比常规PID控制精度提升约10 mm,为进一步实现挖掘机自动化提供参考。     

基于粒子群算法的RBF神经网络齿轮磨损预测

针对机械设备磨损难以预测问题,提出RBF神经网络预测模型,并结合粒子群算法优化模型参数。利用变速箱型号为SG135-2系列的K727840ZW齿轮磨损实验输入-输出数据,通过基于粒子群算法的RBF神经网络建立输出预测模型,并与传统的AR模型、BP神经网络模型及Hermite神经网络模型预测作比较。仿真结果表明,基于粒子群算法的RBF神经网络模型结构简单、预测精度高,验证了所提方法的有效性和实用性。