基于隶属函数的疲劳寿命预测模型

将隶属函数应用于疲劳寿命预测 ,建立了基于隶属函数的疲劳寿命预测模型。通过实例对比分析 ,证明了本文所建立的预测模型较好地克服了传统疲劳寿命预测模型的不足之处 ,具有精度高、适用性强、使用方便的特点 ,为疲劳寿命预测提供了一种新方法     

基于遗传算法的模糊控制器设计与仿真

模糊控制中隶属度函数的正确选择是模糊控制器设计的关键，它决定了模糊控制系统的动态、静态性能和控制效果。针对传统的获取隶属度函数方法的不足，提出了在一个待优化模糊控制器的基础上，采用改进的遗传算法优化其隶属度函数，从而使经过优化所获得的枣属度函数更加合理。最后对优化后的模糊控制器进行仿真比较研究，结果表明隶属度函数经过优化后的模糊控制器的控制品质有较大的改善和提高。     

基于电感式传感器的金属颗粒材质识别及粒径估计

传统的电感式颗粒传感器输出的是电感或电压幅值的脉冲信号,本质为标量信号。可通过脉冲信号的正负性区分金属颗粒是磁性或非磁性,且只能在已知颗粒材质的情况下估计颗粒的粒径。但在含有多种金属颗粒的油液中,基于标量信号的颗粒识别方法将失效。为此,本文采用了一种双锁相放大电路,将颗粒产生的复数域信号转化为一对直流信号。提出一种基于模糊隶属度函数的信号处理方法,实现了在噪音干扰下多种颗粒的材质识别和粒径估计。本文搭建了三线圈传感器实验系统。利用五种金属颗粒构建了隶属度函数,并进行系统标定。最后选取两种颗粒对标定后的系统进行了验证。结果表明系统对颗粒材质的识别准确,粒径估计误差小于2%。     

二级模糊综合评判在企业订单评估中的应用

针对现行企业订单评估中常受到非重要因素影响的问题,在现有方法的基础上,提出了一种更优的隶属度函数来建立模糊评判矩阵中的元素值,并论证确定该隶属度函数的合理性,同时给出了应用该隶属度函数确定的模糊评判矩阵的一个实例.即用二级模糊综合评判方法来评估的企业订单评估指标体系,在一定程度上减少了非重要因素的影响,提高了对企业调度...     

基于模糊理论的智能电网信息通信系统风险评估

针对智能电网信息通信系统风险评估指标间的非可加性问题,给出一种基于模糊理论的智能电网信息通信系统风险评估方案。首先,建立智能电网信息通信系统风险评估指标体系;其次,采用主观层次分析法及客观熵值法计算单风险指标的权重,再根据权重计算各层指标集合的模糊测度;然后,根据风险指标相对于风险等级的隶属度构建综合评价矩阵,通过模糊积分向量不断融合指标集的评估值;最后,智能电网信息通信系统的综合风险评估值可以按照最大隶属度的原则得到。实例验证结果表明,该方案能较好解决风险评估指标间的非可加性问题,对智能电网信息通信系统能有效进行风险分析和预测。     

采用量子粒子群算法耦合差分进化算法优化BP神经网络的铣床热误差预测研究

针对铣床主轴运行产生的热误差问题,采用改进BP神经网络预测模型,并对预测结果进行验证。融合量子粒子群算法和差分进化算法的各自优点,给出混合算法寻优操作流程。分析BP神经网络结构,给出改进BP神经网络优化流程图,构造铣床热误差适应度函数,采用混合算法优化BP神经网络预测模型。通过具体实例对铣床热误差进行实验验证,预测结果显示:BP神经网络预测偏差值较大,在Y轴、Z轴方向预测产生的偏差最大值分别为7.3μm和7.5μm,改进BP神经网络预测偏差值较小,在Y轴、Z轴方向预测产生的偏差最大值分别为2.8μm和2.9μm。同时,改进BP神经网络预测铣床热误差与实际偏差值波动较小。采用改进BP神经网络预测铣床热误差精度较高,可以提高主轴加工工件的精度。     

改进粒子群算法和ELM的刀具磨损量预测

为了提高车刀磨损量预测模型的训练速度和在线预测精度,提出了一种基于改进粒子群算法（Improved Particle Swarm Optimization,IPSO）和极限学习机（Extreme Learning Machine,ELM）的刀具磨损量预测方法。采集车削加工中的声发射信号,利用小波包变换理论对信号进行降噪和特征提取,并通过主成分分析对提取的特征进行降维,选取其中对刀具磨损量敏感的特征值组成特征向量。建立基于极限学习机的刀具磨损量预测模型,并通过改进粒子群算法优化模型中的初始权值和阈值。实验结果表明：优化后的刀具磨损量预测模型相比于传统BP神经网络有更快的训练速度,同时改进后的粒子群算法有更好的寻优能力,提高了模型对于刀具磨损量的预测精度。     

基于不同隶属度函数的金属材料切削加工性模糊综合评价

随着各种高性能工程材料的不断出现,为快速准确地制定这些材料的加工工艺,需要可靠地评估其切削加工性。目前常用且合理的评价方法是模糊综合评价法,确定最佳隶属度函数是其关键。本文分别构建正态型和分段型隶属度函数模型,对8种金属材料的可加工性进行模糊综合评价。结果表明:正态型隶属度函数所含参数较多且计算较复杂,但模糊综合评价结果优于基于分段型隶属度函数的结果;分段型隶属度函数形式简单,所含参数较少且计算较为快捷;当评价因素远离非模糊子集边缘区域时,评价结果与基于正态型隶属度函数的模糊综合评价结果一致。     

基于遗传算法的模糊控制器设计与仿真

模糊控制中隶属度函数的正确选择是模糊控制器设计的关键，它决定了模糊控制系统的动态、静态性能和控制效果。针对传统的获取隶属度函数方法的不足，提出了在一个待优化模糊控制器的基础上，采用改进的遗传算法优化其隶属度函数，从而使经过优化所获得的隶属度函数更加合理。最后对优化后的模糊控制器进行仿真比较研究，结果表明隶属度函数经过优化后的模糊控制器的控制品质有较大的改善和提高。     

基于BAS-BP的铝合金弱刚性零件铣削力的预测

为减少薄壁零件的加工变形，实现对铝合金薄壁零件铣削力的精准预测，通过响应曲面法设计相关试验获得铣削力试验数据。针对传统BP神经网络预测精度不高的弊端，将天牛须寻优算法(BAS)与BP神经网络结合，优化BP神经网络初始权值和阈值，建立BAS-BP神经网络预测模型。结果表明，改进后的神经网络预测模型具有更高的预测精度，对铝合金零件加工中铣削力的预测有较为理想的效果。