基于BP神经网络的焊接工时定额模型研究

为了提高焊接工时定额的计算效率和精确度,消除传统定额方法过度依赖线性公式进行计算而忽略工时定额与其加工工艺参数之间的非线性关系的不足,将BP神经网络技术应用到焊接工时定额中,建立多输入单输出的神经网络模型,并运用实际数据对建立的神经网络进行训练,通过测试样本验证了该网络模型输出的仿真值与实际值之间的误差在5%以内。验证结果表明,用BP神经网络方法建立的焊接工时定额模型能够对焊接工时进行准确的预测。     

基于神经网络的工时定额技术研究

工时定额的制定和管理是企业进行现代化生产管理的基础工作。在分析标准定额表结构的基础上 ,提出了用综合法构建计算工时定额的神经网络模型的思路。以标准定额表的结构参数为网络输入、以表数据为训练集 ,采用Matlab脚本语言构建了定额计算网络模型。本文提出的方法具有模型数量少 ,计算准确 ,使用简便的优点     

基于知识挖掘的航天产品装配工时定额和管理系统

工时是企业安排计划、指导生产的依据,合理的工时定额和管理方法可以提高工人的工作效率.针对航天产品装配过程中存在的工时定额不准确、工时管理不规范的问题,提出一种基于多元知识模型的工时定额方法和面向装配车间的工时管理模型.首先构建了包含零件、工艺和设备知识的装配工时知识模型,并通过知识挖掘技术构建知识特征矩阵,使用回归分析法构建工时知识特征和工时的关系模型,实现工时准确估算.然后提出了面向航天产品柔性装配车间的工时定额分配和实做工时采集方法,将工时管理与航天企业生产流程相结合.最后,开发了航天产品装配工时定额和管理系统,该系统在某航天企业得到应用,实现了工时的优化管理.     

基于GA_BP算法的化工设备设计人工时预测

针对目前人工估算人工时预测精度低的问题,提出基于遗传算法优化反向传播神经网络的算法建立人工时预测模型,对化工设备设计人工时进行定量预测.首先对化工设备设计项目的管理流程和设计特点进行分析;然后对用户数据库中的历史项目数据进行统计,并对统计数据进行参数的贡献度和相关性分析,同时结合参数在预测时获取的难易程度,选择出适当的人工时预测模型输入参数;再建立基于反向传播算法的预测模型,并针对反向传播算法的缺陷选择遗传算法优化反向传播神经网络和支持向量机算法进行建模,预测结果表明遗传算法优化反向传播神经网络算法更适合化工设备设计人工时预测.采用基于遗传算法优化反向传播神经网络算法的模型进行了实例预测.     

基于特征与遗传神经网络的飞机结构件数控加工工时预测方法

为了解决在没有数控程序的情况下快速准确的预测飞机结构件的数控加工工时,提出了一种基于特征与遗传神经网络的数控加工工时预测方法。提炼各类特征的加工工时影响因素并建立特征样本库,为每种加工特征构建BP神经网络;针对BP神经网络极易陷入局部极小值、收敛速度慢、网络参数难以确定等问题,结合遗传算法优化BP神经网络。建立了5种神经网络结构,通过调用相应的网络预测每一类加工特征的加工工时,进而形成每一工步的加工工时,累加零件所有工步的加工工时得到零件整体的加工工时。应用该方法预测零件整体的加工工时误差在5%以内。     

基于遗传BP神经网络的内圆磨削ZTA陶瓷材料去除率预测

针对磨削加工中材料去除率(MRR)在线检测困难这一问题,构建材料去除率的预测模型显得尤为重要。考虑到单独运用BP神经网络不仅存在收敛速度较慢,而且容易坠入局部最优解等问题,故建立了遗传算法与BP神经网络相结合的模型来对给定的超声频率、砂轮速度、工件速度、磨削深度等工艺参数对材料去除率(MRR)进行预测。首先运用遗传算法的全局搜寻作用来对BP神经网络的最初权值以及阈值进行优化,而后运用L-M优化算法对网络进行多次训练,利用训练好的BP神经网络模型来对输出进行预测。结果表明:遗传算法与BP神经网络相结合的模型比单独使用BP神经网络模型预测效果要好,能够提高材料去除率的预测精度和收敛速度。     

遗传算法优化的BP网络在铣削力预测中的应用

神经网络初始连接权值和阀值的选择对网络的预测精度及收敛速度影响很大,但又无法准确获得,针对此问题,建立遗传算法(GA)优化的BP神经网络预测模型,解决神经网络初始权值和阀值的选择问题。该模型通过遗传算法优化BP神经网络的权值和阀值,获得最优的初始权值和阀值,并应用优化后的BP神经网络预测模型对铣削力进行预测,最后与优化前的BP神经网络模型的铣削力预测值进行对比分析。研究结果表明,经遗传算法优化后的BP神经网络模型比优化前的BP神经网络模型的预测精度高,同时加快了收敛速度。     

社群化制造模式下基于反向传播神经网络的加工工时计算方法

基于社群化制造模式下传统工时定额计算方法的不足,提出了一种基于反向传播神经网络的加工工时计算方法。应用这一方法,构建一个三层的反向传播神经网络,将制造任务的相关特征作为输入量,将制造任务的工时定额作为输出量。通过实际样本训练和仿真,验证了这一加工工时计算方法的准确性和可行性。     

煤气鼓风机故障模式识别方法研究

为了克服BP神经网络收敛速度慢且容易陷入局部极小问题,提出了将遗传算法与神经网络相结合用于故障诊断的方法。综合遗传算法的全局搜索性和神经网络的并行快速性等特点,通过使用遗传算法优化神经网络的初始权值达到加快其收敛速度的目的。实例结果表明用遗传算法改进后的神经网络在故障模式识别中是可行有效的。     

面向中小型制造企业的计算机辅助工时定额系统

通过分析工时定额的构成、比较中、外对工时定额的不同分类方法,结合我国中小型企业的特点,建立了工时定额的分类和计算模型,详细介绍系统框架和计算流程,并在此基础上设计开发计算机辅助工时定额系统。该系统已在企业成功应用。     

基于改进BP神经网络的机床基础部件可再制造性评价模型

为了利用样本数据准确完成机床基础部件可再制造性评价,提高机床基础部件可再制造性评价预测精度,提出一种采用模拟退火遗传算法优化BP神经网络的机床基础部件可再制造性评价模型。该评价模型以机床基础部件可再制造性经典评价模型评价结果为样本数据,建立机床基础部件可再制造性评价BP神经网络预测模型,采用模拟退火遗传算法优化BP神经网络模型,寻找更优初始网络权值、阈值,以提高收敛速度和避免局部收敛。以一台机床基础部件可再制造性评价为例,验证了基于模拟退火遗传算法优化的BP神经网络评价模型具有更好的预测精度。     

基于GA-BP神经网络的非线性模拟量回归

针对嵌入式系统中传感器测量模拟量与采样值之间的非线性关系难以找寻确定公式进行表达的问题,提出使用BP神经网络对非线性模拟量进行回归拟合。并针对BP神经网络易陷入局部极小值的缺陷,采用遗传算法进行优化。实验表明,与最小二乘法与三次样条插值法相比,BP神经网络对曲线拟合程度优于其余两种方法,且具有较高的准确度。遗传算法优化后的BP神经网络,能够更加快速收敛,准确度也进一步提升。同时将网络模型应用在MCU端,实现在MCU端的预测与参数更新,具有一定的实用性和适应性。     

基于进化神经网络的刀具寿命预测

为预测道具寿命,引入人工神经网络技术,建立了刀具寿命预测神经网络模型,同时对切削参数进行优化选择.在刀具寿命预测中,针对反向传播算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练反向传播神经网络,设计了进化神经网络的学习算法.实验和仿真结果表明:基于进化计算的反向传播神经网络可以克服单纯使用反向传播网络易陷入局部极小值等难题,刀具寿命的预测精度较高,从而为刀具需求计划制定、刀具成本核算,以及切削参数制定提供理论依据,节约了制造执行系统中的生产成本.     

大量程柔性铰六维力传感器静态解耦的研究

为提高大量程六维力传感器的测量精度,提出了一种新型的六维力传感器非线性静态解耦方法,该方法结合混合递阶遗传算法和小波神经网络的优点,采用递阶遗传算法与最小二乘法分别对小波神经网络隐层结构参数以及输出层权值进行优化,再将优化后的小波神经网络模型用于六维力传感器非线性解耦.建立了基于混合递阶遗传算法和优化小波神经网络的六维力传感器非线性解耦模型,设计了基于混合递阶遗传算法的小波神经网络结构及参数优化算法,给出了六维力传感器非线性解耦的具体实现流程.以最新研制的6-UPUR大量程柔性铰六维力传感器为对象进行实验,结果表明,采用该方法六维力传感器的Ⅰ类误差和Ⅱ类误差分别为1.25％和2.59％,比采用BP和RBF神经网络方法的测量精度高.     

基于量子微粒群的BPNN在转炉炼钢静态模型中的应用

针对转炉炼钢静态模型终点命中率较低的问题,首先分析了影响转炉炼钢终点命中率的各种因素,确定了BP神经网络(BPNN)的拓扑结构,并依此建立了转炉炼钢静态模型.然后把量子微粒群算法(QPSO)应用于BP网络的学习中,并比较了QPSO、基本微粒群优化算法(PSO)、梯度下降法的学习性能.最后,基于某炼钢厂的历史数据进行了仿...     

基于遗传神经网络的电动汽车锂电池SOC预测

针对传统方法在电动汽车锂电池荷电状态（State of Charge,SOC）预测中的局限和不足,提出了一种基于遗传神经网络的电池SOC预测算法.该算法的整体方案首先给出了车载锂电池状态监测系统的软硬件实现,在该系统上以不同的放电倍率对磷酸铁锂电池进行了放电实验,获取了其放电过程中电压、电流和SOC的样本数据,然后利用遗传算法全局寻优能力对神经网络中的连接权值和阈值进行了优化,用实验所得的样本数据训练BP神经网络,根据训练好的神经网络对锂电池SOC进行了预测并将其与真实SOC进行对比,以验证算法的可行性.研究结果表明,该方案可通过电压、电流的实时测量值获知锂电池的剩余电量,具有收敛速度快、预测误差小、适应范围广的特点,有效解决了电动汽车锂电池的SOC预测问题.     

基于GA-BP网络的高速电火花线切割建模方法研究

高速电火花线切割作为特种加工技术之一,被广泛应用于各种机械加工领域。但其加工过程是一个多参数、多变化的过程,为建立一个具有一定拟合精度和泛化能力的模型,通过尝试二次通用旋转组合设计试验,以遗传算法优化BP神经网络初始权的思想建立GA-BP模型。试验表明,在相同参数设置下GA-BP比纯BP模型更具有有效性和优越性,对后续仿真系统的建立具有一定的指导作用。     

基于遗传算法的人工神经网络在航空发动机磨损预测中的应用

提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络，实现网络结构的优化，并用优化后的BP人工神经网络建立了航空发动机的磨损预测模型。将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的BP神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

遗传算法改进的BP神经网络在协同创新评价中的应用

为了解决客户协同创新中协同工作效率难于评价的问题,提出了一种用遗传算法优化的神经网络对客户协同产品创新进行评价的评价模型：在评价指标方面,设计了一套包括效益、效率和过程的18个指标的评价体系;在评价算法方面,将遗传算法与BP神经网络结合起来,设计了遗传算法改进的BP神经网络算法。该模型充分利用遗传算法的全局搜索能力强与神经网络的局部搜索能力强的特点,克服了遗传算法局部收敛与神经网络收敛速度较慢的问题,是一种非常适用于评价协同工作的模型。最后通过实例训练,证明了该模型的有效性与可行性。     

基于BP神经网络的小型组足球机器人视觉子系统的图像分割技术

为解决小型足球机器人视觉子系统图像分割的实时性和光照适应性问题,将BP神经网络技术应用到图像分割中.在图像分割技术和BP神经网络的理论分析基础上,建立了两者之间的关系,并建立了相应的BP神经网络模型.图像像素离散化并将其H、Cb、Cr分量值作为神经网络的输入,将目标像素点分类类别作为神经网络的输出.通过改进神经网络学习...