基于BP神经网络的行星齿轮传动的模糊可靠性优化设计

文中以渐开线行星齿轮传动机构为例,在考虑了机械传动各设计参数的模糊性和随机性的基础上,结合利用B P神经网络能达到系统的稳定平衡点和能够提高优化速度和精度等特点,探讨了基于BP神经网络的行星齿轮传动机构模糊可靠性的优化设计.     

两种计算行星齿轮机构传动比方法的联合应用

探讨计算行星齿轮机构传动比的两种方法--转化机构法和速度图解法联合应用的可行性.转化机构法是研究行星齿轮传动运动学最常用的方法;速度田解法在用于对行星齿轮机构进行运动学分析时,虽可计算单排行星齿轮传动的传动比,但无法对两排及两排以上行星齿轮机构的传动比进行求解.本文结合具体实例,尝试先用速度田解法后用转化机构法,求解两排行星齿轮机构的传动比,两种方法的联合应用为行星齿轮传动机构的设计和计算提供了参考.     

行星轮系传动机构的模糊优化设计

考虑了行星齿轮传动中的各种约束条件的模糊性，建立了行星齿轮传动机构的模糊优化数学模型，将模糊优化和普通优化两种结果进行了比较，表明模糊优化具有明显的优越性。     

行得轮系传动机构的模糊优化设计

考虑了行星齿轮传动中的各种约束条件的模糊性，建立了行星齿轮传动机构的模糊优化数学模型，将模糊优化和普通优化两种结果进行了比较，表明模糊优化具有明显的优越性。     

两级行星齿轮传动系统多目标优化设计研究

利用MATLAB优化工具箱对两级行星齿轮传动机构进行多目标优化设计,以体积(重量)最小、传递效率最高作为优化目标,建立多目标优化数学模型.结合算例,给出最优参数求解步骤以及所用方法的特点,为两级行星齿轮传动机构优化设计提供指导.     

基于虚拟样机技术的行星齿轮传动系统仿真分析

针对典型行星齿轮传动系统,建立其虚拟样机模型,并基于虚拟样机对传动机构进行运动学和动力学仿真分析。基于ADAMS建立了行星齿轮传动系统的虚拟样机模型,对于单排行星齿轮传动机构分为六种工作情况,对于每一种工况进行仿真分析,给定输入可以得到太阳轮与行星轮之间的啮合力和系统输出。在单排行星齿轮传动的基础上,建立三排行星齿轮传动机构的虚拟样机,并进行了仿真分析。通过对行星齿轮传动机构的仿真分析,可以为行星齿轮系统传动的稳定性和可靠性提供参考和依据。     

基于混沌免疫算法的偏曲轴少齿差行星传动优化

提出了一种基于混沌免疫算法的偏曲轴少齿差行星齿轮优化方法.以机构的体积和啮合角最小为双优化目标,体现全局优化特点,使设计参数更为合理适用.利用免疫记忆、免疫细胞超变异、免疫调节等机制,记忆库种群混沌搜索等策略,使算法在收敛速度和寻优能力上有较大提高.仿真结果显示它既能减小结构的尺才,又能提高机构的运动性能.     

一种用于折叠翼飞机的行星齿轮机构动力学分析

针对折叠翼飞机的折叠机构,在齿轮啮合机构基础上提出一种行星齿轮传动机构实现机翼折叠,利用ADAMS软件对两种机构进行了动力学仿真分析.通过对两种机构的对比分析,证明针对折叠翼飞机设计的行星齿轮机构较原齿轮啮合机构能够有效减小齿轮间的接触力,改善机构的运动平稳特性,降低对驱动电机转矩的要求,有利于提高机构的效率.经仿真分析,证明所设计的行星齿轮传动机构可作为折叠翼飞机的折叠传动机构方案.     

偏心针齿摆线行星齿轮传动研究

提出了偏心针齿摆线行星齿轮传动机构.分析研究了该机构的传动原理和传动结构.推导出了传动比计算公式,建立了齿廓方程,给出了齿廓曲率半径计算公式和齿廓出现尖点的条件.偏心针齿摆线行星齿轮传动是一种新型齿轮传动机构,根据这种机构可设计出大传动比的减速器和齿轮减速链轮等其它传动元件.     

NGW型两级行星传动机构构型分析

提出了一种适用于行星齿轮传动机构构型综合的图论-邻接矩阵法。首先,在NGW型两级行星传动机构中变换机构拓扑图中连接构件和输出构件,获得了所有可能的机构构型;进而采用邻接矩阵法对所获得的机构进行同构判断,得到了24种串联型、36种差动封闭型的NGW型两级行星齿轮传动机构。通过该方法推导,可以得到完整的NGW型行星齿轮传动机构的各种构型,可为多级行星齿轮传动创新设计提供新的方法。     

混沌算法在语音加密中的应用

在回顾加密算法发展历程的基础上,介绍了混沌与3DES、混沌与神经网络相结合的机密算法原理和安全性。重点对混沌与Cat映射结合的方法进行介绍和分析。     

混沌序列的神经网络实现

利用BP神经网络,对非线性系统产生的混沌序列进行学习,逼近该非线性系统的映射特征,从而使自身具有混沌特性,成为具备混沌输出能力的神经网络,建立了基于神经网络的混沌序列产生模型(CGNN).此方法利用具有学习能力的神经网络,它不需要针对某一种非线性映射设计单一的系统结构.并利用DSP技术在CGNN基础上,制成了混沌神经网络协处理机插板,将其产生的混沌序列作为密钥,用于信息的保密通信.     

基于改进神经网络的数据图书馆满意度评价研究

对用户评价满意度进行大数据分析,挖掘影响满意度关键因素以及对策,持续优化服务为用户提供高质量的知识资源,成为图书馆研究的主流方向。本文采用自组织映射神经网络算法建立满意度评价分类模型,针对自组织映射神经网络模型受神经元网络连接权重的初始值和阈值影响稳定性不足的问题,引入粒子群算法选择最优初始权重,稳定评价模型提升准确度,通过仿真实验论证,优化后的神经网络算法,对比BP神经网络以及自组织映射神经网络模型,其网络性能较好,评价准确性更高,平均准确率达到了94%,且通过粒子群算法的优化,加快了算法本身的收敛速度。     

遗传小波网络在齿轮箱故障诊断中的应用

针对小波神经网络常用的反向传播算法普遍存在收敛速度慢,容易陷入局部极小点,网络参数的选取只能凭实验和经验来确定等缺点,提出了一种基于遗传算法优化的小波神经网络并应用于齿轮的故障诊断。仿真结果表明,该方法充分的发挥了遗传算法的全局寻优能力,小波分析的非线性逼近能力和神经网络的自学习特性,优化了系统的收敛速度和故障诊断的精度。     

基于遗传算法和神经网络的冷挤压工艺参数模糊优化设计

将模糊优化思想引入冷挤压工艺参数优化设计,以冷挤压模具的四个关键工艺参数为设计变量,以最终挤压件的各处材料的损伤值为目标函数,建立了冷挤压工艺参数模糊优化模型。提出了利用神经网络进行材料损伤近似计算的策略,从而形成了基于遗传算法和神经网络的冷挤压工艺参数模糊优化方法。对冷挤压工艺参数模糊优化模型进行了求解,优化结果表明模糊优化思想能提高冷挤压工艺设计质量。     

基于粒子群优化的神经网络电机故障诊断系统

提取电机定予电流信号及转于振动信号,构成用于电机故障诊断网络的训练及测试样本.用BP神经网络建立诊断输入征兆与故障输出间的映射关系,引入改进粒子群优化的策略,对神经网络权值和阀值进行优化,提高了网络系统诊断的可靠性.仿真对比研究表明,经粒子群优化后的BP网络收敛速度显著提高,更适合于电机类故障诊断的要求.     

基于改进粒子群算法的神经网络建模

文章利用粒子群算法优化神经网络的参数,提出了基于粒子群算法的神经网络建模方法。为了提高基本粒子群算法的搜索性能,采用了基于外推技巧的引导型更新公式,并在粒子的搜索过程中,不断监测各个粒子的最优位置,多次没有变化并且距离优化目标太远时,粒子跳出当前位置继续搜索,从而避免陷入局部值。最后使用改进后的粒子群神经网络算法对函数进行拟合,仿真结果表明,新的算法有较好的收敛性。     

基于神经网络的余度舵机系统故障诊断

对复杂的余度舵机系统进行故障诊断对提高飞行控制系统的可靠性和容错能力具有重要意义。文章提出1种变结构径向基神经网络学习算法,使用梯度下降法对网络参数进行优化,利用径向基神经网络对某型飞机余度舵机系统进行故障模式识别。仿真结果表明设计的神经网络具有较强的故障模式识别能力。     

基于神经网络的光伏阵列局部阴影建模研究

在局部阴影条件下,光伏阵列的输出特性将发生变化。利用神经网络具有逼近任意复杂非线性函数的能力,采用粒子群算法（PSO）来优化BP神经网络的内部连接权值和阈值,以改善神经网络的预测性能,并基于这种改进的神经网络结构搭建局部阴影下的光伏阵列模型。仿真结果表明,此算法泛化能力强、收敛速度快,能够对阴影下的光伏阵列进行建模。     

基于改进算法的锅炉燃烧系统的经济性研究

针对锅炉燃烧系统的非线性、时变性和强耦合的特点,传统的控制方法的控制精度不高、自适应能力差等,提出了一种改进的模糊神经网络控制算法,对烟气含氧量进行控制。为克服常规算法的缺陷,将BP算法和粒子群PSO算法二者相结合,充分利用PSO算法的全局寻优能力和BP算法的局部搜索能力。另外引入了动态递归神经网络,对系统模型进行在线辨识,从而提高了网络的训练效率和控制器的控制效果,使系统达到经济燃烧。