Tool wear detection with fuzzy classification and wavelet fuzzy neural network

In the paper, a new method of tool wear detection with cutting conditions and detected signals is presented, which includes the model of wavelet fuzzy neural network with acoustic emission (AE) and the model of fuzzy classification with motor current. The results of tool wear estimated by cutting conditions and detected signals (spindle motor current, feed motor current and AE) are fused by fuzzy inference. Experimental results show that the method of tool wear detection is reliable and practical.     

基于模糊神经网络进行冷轧板形智能控制的研究

针对板带轧制过程中影响板形质量的非线性因素众多、精确数学模型难以建立的特点 ,提出冷轧板形控制的模糊神经网络方法 ,建立 BP网络模型 ,应用于六辊 HC冷轧机板形控制中 ,仿真实验结果表明 ,控制效果相当好 ,其超调小、鲁棒性强 ,达到了板形在线智能控制之目的     

结合数学模型的模糊聚类BP网络预报板凸度

分析了中厚板板凸度计算模型并给出了相应的在线数学模型。为了提高板凸度在线模型预测精度，提出了一种基于模糊聚类BP神经网络的板凸度模型影响系数的优化方法。并采用模糊聚类分析方法，科学选取学习样本，解决了由于样本多学习速度慢的问题。通过对大量在线数据分析得出，这种方法对中厚板板凸度的预报精度有很大改善，能适应不断变化的工艺过程和设备条件。     

电磁铸造液柱高度数学模型的建立及应用

为了研究熔体金属电磁立柱成形能力并计算电磁作用下的液注高度,从电磁铸造立柱成形的基本原理出发,建立了电磁场作用下金属立柱成形时液柱高度数学模型,并试验验证了模型的准确性.利用液柱高度数学模型对铝、钢、锡铅合金等金属的电磁铸造可行性,以及电力参数对液柱高度的影响进行研究.结果表明:铝电磁无模成形能力最强,而钢及锡铅合金电磁无模成形能力则基本相同;钢及锡铅合金电磁立柱成形所需的磁感强度约为0.08～0.10 T,而铝则只需约0.04T.     

模糊神经网络在感应电机矢量控制中的应用

本文提出了一种基于模糊神经网络速度控制器（FNNC）的感应电机矢量控制系统,兼具模糊逻辑处理不确定信息的能力和神经网络的自学习能力,阐明了神经网络的结构设计、样本选取及训练方法。人工神经网络（ANN）的初始权值和阈值通过离线学习得到,模糊逻辑规则通过专家经验总结。仿真结果表明采用所提出的模糊神经网络的感应电机矢量控制系统,转速响应快,跟踪性能好,稳态误差大大减小,有效提高了系统的性能。     

矩形电磁软接触连铸结晶器内弯月面行为

通过静态热模拟实验,采用低熔点Sn-32%Pb-52%Bi(质量分数)合金作为钢液的模拟介质,研究不同工艺参数下矩形电磁软接触连铸结晶器内弯月面行为的变化规律。结果表明:由于矩形电磁软接触结晶器本身的结构限制,其弯月面沿周向上的分布具有不均匀性;随电源功率增大,弯月面高度增大,同时波动加剧;实际生产中线圈应尽量靠近结晶器口部位置安装,有利于提高弯月面高度和增强弯月面稳定性;浇注过程中,应该使浇注液面尽可能的控制在线圈中心偏上位置;当电源频率增大时,应该同时适当的提高电流来保证软接触效果。     

一种改进的基于神经网络的板形缺陷识别方法

提出了一种新的冷轧带钢板形缺陷识别方法,该方法以神经网络直接识别法为基础,参考神经网络间接识别法的思想,以板宽变化时保证网络结构不变为出发点,以提高网络识别精度,改善网络的容错性和抗干扰能力为目的构造的神经网络。通过仿真实验可知,该方法行之有效。     

基于遗传算法的间接自校正模糊神经网络控制

针对一般神经网络训练算法训练速度慢和易陷入局部极小点的不足,文章提出了一种基于模糊神经网络的间接自校正控制系统,控制器是以高斯函数为隶属度函数的径向基函数(RBF)神经网络结构,利用改进的遗传算法(GA)对结构和参数进行同步优化.神经网络模型(NNP)利用弹性BP算法进行离线辨识.仿真与传统的模糊PID控制器控制进行比较,结果表明遗传算法大大改善了系统的性能.     

基于RBF-AG算法的7050铝合金电磁半连铸参数优化

为解决7050铝合金大尺寸扁锭成型裂纹倾向大、工艺参数不易找准的问题,建立基于RBF的电磁半连续铸造神经网络模型,并采用遗传算法对7050铝合金电磁半连续铸造过程的工艺参数进行了优化计算。结果表明,当7050铝合金的成分(质量分数)为Zn6.1%、Mg2.3%、Cu2.2%和Zr0.14%时,电磁半连铸工艺参数的优化值为:铸造速度52mm/min、铸造温度724℃、扁锭宽面冷却强度134L/min、扁锭窄面冷却强度22L/min、电磁强度11749A·turn、电磁频率27Hz。在优化后的工艺参数条件下,无裂纹铸锭成品率比优化前的成品率提高20%。     

金属塑性变形抗力的模糊神经网络模型

采用模糊神经网络，建立了轧钢生产过程中轧制温度、变形程度、变形速率和变形抗力关系的数学模型。离线预报表明，该模型预报结果与实测值符合较好，模型具有较高精度。     

Optimization of steel casting feeding system based on BP neural network and genetic algorithm

The trial-and-error method is widely used for the current optimization of the steel casting feeding system, which is highly random, subjective and thus ineff icient. In the present work, both the theoretical and the experimental research on the modeling and optimization methods of the process are studied. An approximate alternative model is established based on the Back Propagation(BP) neural network and experimental design. The process parameters of the feeding system are taken as the input, the volumes of shrinkage cavities and porosities calculated by simulation are simultaneously taken as the output. Thus, a mathematical model is established by the BP neural network to combine the input variables with the output response. Then, this model is optimized by the nonlinear optimization function of the genetic algorithm. Finally, a feeding system optimization of a steel traveling wheel is conducted. No shrinkage cavities and porosities are induced through the optimization. Compared to the initial design scheme, the process yield is increased by 4.1% and the volume of the riser is decreased by 5.48×10~6 mm3.     

立式电磁制动结晶器内金属液面波动行为的试验

以Sn-Pb-Bi低熔点合金为模拟介质,建立了立式电磁制动作用下结晶器内液态金属流动的物理模型,研究了立式电磁制动条件下结晶器内的金属液面波动行为。利用激光液位仪对磁极宽度中心位置处的金属液面瞬时波动进行测量,采用“浸度法”对结晶器厚度中心面处的弯月面波形进行测量。试验结果表明,随着电流强度的增加,立式电磁制动的施加可以显著降低液面波高,稳定液面波动,减小卷渣发生的可能性。     

电弧焊熔透ICA-BP神经网络识别模型

以氩弧焊熔透状态识别为研究对象,研究一种基于ICA (Imperialist Competitive Algorithm) 的BP(Back Propagation)神经网络识别模型方法. 首先利用ICA全局搜索不易陷入局部极值及搜索速度快的特点对神经网络权值和阈值初始化,再用BP算法对神经网络进行训练. 通过摄取焊接过程中的熔池图像,提取熔池面积、熔宽以及熔池质心位置作为神经网络预测模型的输入量,分析熔池图像三个特征与焊缝熔透状态的映射关系,最终建立熔透状态预测模型. 结果表明,采用ICA-BP神经网络能够有效地预测焊缝的熔透状态.     

金属液体凝固中直接挤压工艺的神经网络

金属液体凝固中直接挤压工艺是近几年发展起来的一种高效成形管、棒、型材新工艺。利用人工神经网络方法研究了该工艺的参数协调和变形力预测等问题, 建立了神经网络预测模型。实验结果与预测值吻合良好, 从而为预测和控制该工艺成形质量提供了有效的手段     

模糊神经网络技术在精锻模具智能设计中的应用

针对精密锻造模具智能设计中的回弹量预测问题，研究模糊神经网络技术的应用。设计模糊预测器结构。研究模糊化算法，逆模糊化算法及模糊控制器结构，并开发出模糊预测系统。最后，对系统的预测结果进行分析。验证其可靠性。     

基于神经网络与遗传算法的压铸工艺参数优化

依据A356咖啡机顶盖高压铸造特点,采用FEM仿真软件对铸件成型工艺进行数值模拟,以L16(45)正交试验和6个补充试验作为BP神经网络的训练样本,建立模具热应力与浇注温度、模具预热温度、压射比压、压铸速度4个压铸工艺参数的非线性映射关系;以模具热应力σmax的最小值为优化目标,运用遗传算法进行工艺参数优化。最终得出浇注温度、模具预热温度、压射比压、压铸速度等4个参数最佳的一组组合,使试验指标σmax最小,模具的热疲劳趋势最低,零件的成型质量最佳。试验结果证明,该减少模具热疲劳趋势的优化方案具有可行性,同时对相近结构压铸件的生产也具有一定的指导意义。     

Technical parameters in electromagnetic continuous casting of aluminum alloy

1　INTRODUCTIONElectromagneticcasting (EMC)isanadvancedmaterialprocessingtechniqueinventedbyGetselev[1]andhasbeenwidelyusedintheworldbecauseitsproductshavetheadvantagesofsmoothsurface ,ho mogeneousmicrostructureandgoodworkability[2 ,3] .ElectromagneticcontinuouscastingofsteelisanewtypemethodbroughtforwardbyVives[4 6 ] thatcom binedtheelectromagneticfieldwithcontinuouscast ingtechnique .Itisalsoanewideatoapplythismethodintotheshapingprocessofaluminumalloytoimprovethesurfaceandinnerquality…     

基于动态递归模糊神经网络的轧机辊缝动态辨识

模糊系统和神经网络,由于具有逼近任意连续非线性映射的特性,而广泛应用于系统的辨识与控制。但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而轧制过程中影响轧机辊缝的因素复杂,外界干扰严重,过程参数难以确定,为提高轧机辊缝动态的辨识精度,提出了一种基于动态递归模糊神经网络的辨识模型。轧制仿真结果表明,该模型具有很高的辨识精度。     

基于遗传算法的模糊神经网络控制器在GTAW中的应用

GTAW(钨极气体保护电弧焊)是一种能够很好控制线能量，进行高质量薄板焊接的方法。焊接过程是一个复杂的、多参数耦合的高度的非线性系统，在实际焊接过程中难以实现实时、有效的在线控制。模糊控制吸收了人的经验思维的特点；神经网络则对信息的处理具有自组织、自学习的特点；遗传算法是一种全局优化搜索方法，具有简单通用、普遍性强，适合并行处理和应用范围广的优点。作者将三者有机地结合起来，在模糊神经网络控制器的基础上利用了改进的遗传算法，并分析了其网络结构和离线学习的方法，协调利用三者的优势设计了一种新型的模糊控制器，并使之用于脉冲GTAW仿真中，结果证明了该新型模糊神经网络控制器比传统的模糊控制器具有一定的优越性。     

基于变论域电阻点焊模糊神经网络控制方法

为提高电阻点焊的控制精度和焊接质量,根据电阻点焊过程的特点和要求,通过集成变论域、人工神经网络和模糊控制技术,提出了基于变论域电阻点焊模糊人工神经网络控制方案,开发了四层模糊神经网络结构,分析了计算过程,推导了四层模糊神经网络各层的计算方法和计算公式,研究了输入输出变论域伸缩因子的确定方法,定义了输入变量的7个模糊子集和输出变量的13个模糊子集,确定了49条模糊控制规则,研究开发了一种电阻点焊变论域模糊人工神经网络控制器,结合实际产品的设计开发进行了试验研究与分析,证明了变论域电阻点焊模糊神经网络控制方法的优越性.