复杂曲面车削精度的神经网络控制

提出了一种基于神经网络的加工误差控制方法，引入神经网络对加工系统的逆模型进行辩识，运用该模型前置校正加工系统以改善加工精度。该方法在中凸变椭圆活塞裙面加工中的成功应用，证明了其合理性及先进性。     

用神经网络算法降低车辆动态称重误差

为了提高车辆动态称重测量系统的精度,在对误差分析的基础上,本文引入了神经网络算法。通过确定神经网络的输入输出变量,建立了神经网络模型。然后在MATLAB软件上进行网络训练,建立函数关系,最终通过实验验证用神经网络算法提高车辆动态称重精度是确实可行的。     

动态测量系统均匀设计理论研究

在建立全系统“白化”误差模型的基础上,依据动态误差分解与溯源的结果,提出了动态系统均匀设计的理论和基本方法。首先根据动态系统总精度损失规律,采用神经网络误差分解方法,得到各组成单元的精度损失函数。通过对各单元精度损失的不均匀性和不合理性分析,按照等寿命设计原则,对系统薄弱环节的精度损失函数进行了均匀设计建模,指出了提高系统寿命的途径和方法。仿真实例证明,该理论与方法是正确的、有效的。     

质量管理图中趋势模态及阶跃模态的模糊神经网络识别

建立了智能识别趋势模态及阶跃模态的模糊神经网络模型，讨论了模糊神经网络模型的结构、训练样本的构造及训练算法，最后用实验数据对该模型作了测验。结果证明该模型的反应速度及精度都优于BP网，将其用到下一代智能制造系统的工序质量控制中是合适的。     

基于BP神经网络的加工误差动态监测研究

通过研究箱体零件上的孔在数控铣床上的加工过程,采用BP神经网络模型完成了其信息提取和分析,构建了加工误差分析的网络模型,建立了实时工况监测系统,为数控加工工艺过程中加工精度的实时分析研究奠定了基础。     

基于GA-RBF神经网络的电火花成形加工电参数优化

针对电火花成形加工的电参数选择问题,先建立RBF神经网络,将加工电参数和工艺指标参数分别作为神经网络的输入和输出.然后用GA优化RBF神经网络,建立用于电火花成形加工电参数优化的GA-RBF神经网络模型.试验结果表明,该网络的精度是令人满意的.     

加工精度在线检测系统预行程误差预测与补偿

预行程误差的预测和补偿能够大大提高加工精度在线检测系统的测量精度.提出了一种基于BP神经网络的检测误差预测新方法,建立了一个基于BP神经网络的在线检测系统预行程误差预测模型,通过实验数据对该网络进行训练,并将训练好的神经网络应用到实际加工零件的误差预测和补偿.为了验证该方法的有效性,以一圆柱零件的圆度误差检测为例,对其加工精度的在线测量进行了预行程误差的预测与补偿,经与CMM检测结果的对比,说明了该方法的有效性.     

GA-BP神经网络预测钛合金表面粗糙度

为了有效预测铣削加工中钛合金工件的表面粗糙度,建立了以切削速度、进给量、径向切深、轴向切深为输入参数,表面粗糙度为输出参数的预测模型。该预测模型将遗传算法与BP神经网络结合起来,使用遗传算法优化BP神经网络的初始权值和阈值,进行铣削实验获得实验数据,并对神经网络进行训练,最终获得预测模型。通过对比分析GA-BP预测模型、BP预测模型、线性回归预测模型的预测精度,得出GA-BP预测模型具有相对较好的预测精度,证明该预测模型是有效的。     

基于遗传算法优化BP神经网络的数控机床热误差补偿

以提高数控机床加工精度为主要目的,针对减少热误差而提出一种基于遗传算法优化BP神经网络的数控机床热误差补偿方法.首先,分析遗传算法优化的BP神经网络学习算法.然后,建立神经网络模型对三轴联动卧式加工中心进行实时补偿.实验仿真结果表明遗传优化BP神经网络模型具有预测补偿能力强、补偿精度高、拟合性能优、实时性好等特点.     

VGG13卷积神经网络在刀具磨损监测中的应用

刀具磨损对工件加工精度和表面质量有很大影响,为保证零件加工质量,需对刀具磨损状况进行监测。在实际加工生产中采集工件铣削时的振动信号和力信号,利用短时傅里叶变换,将一维信号转化为二维谱图,建立刀具磨损阶段与频谱图的对应关系,利用Pytorch搭建VGG13卷积神经网络,将频谱图作为卷积神经网络模型输入进行训练,得到刀具磨损监测模型。通过实验对方案可行性及模型准确度进行测试,实验结果表明,利用卷积神经网络进行刀具磨损状态监测的准确度能够达到98%以上,可为实际生产中的刀具磨损状态监测提供参考。     

基于改进BP网络的磨料水射流切割质量研究

目前建立的磨料水射流切割质量数学模型,对厚板材切割时,其加工精度和表面质量较难控制.基于BP神经网络学习理论,通过对网络权值和阀值进行四种方法的改进,目的是改善网络误差反向学习性能,建立低误差收敛精度、快训练速度的最佳切割质量模型.在获取大量样本数据的基础上,对最佳改进BP网络模型进行训练、预测,结果表明该模型能够快速、准确、可靠地预测磨料水射流切割质量.     

基于稀疏存储Elman神经网络的直线伺服控制

为提高数控机床直线进给系统的动态跟踪性能及抗干扰能力,结合进给系统重复运动的特点,利用前一次或前几次的历史控制信息提高进给系统的动态性能,提出了具有动态稀疏存储功能的改进Elman神经网络;引入迅速联想的表格查询方式对神经网络的历史信息进行分类存储、选择利用以增强网络泛化能力,提高网络收敛速度;详细推导了改进Elman神经网络的数学模型及权值调整算法,并将其应用到直线进给伺服系统中,结果表明,基于稀疏存储Elman神经网络的速度控制器具有良好的跟踪精度和抗干扰能力。     

BP神经网络在教学质量评估中的应用

针对以往教学质量评估体系中存在的问题，利用BP神经网络理论建立教学质量评估的数学模型。通过对模型的训练，使网络的实际输出值与期望输出值的误差均方值最小，经仿真计算证明，该数学模型具有较好的辨识精度。     

基于彩色CCD的火焰温度检测算法研究

本文分析了彩色CCD摄像机测量机理,建立了由火焰图像求取燃烧温度场的数学模型,推导和分析了相应的三色温度测量模型,论述了图像噪声的滤除方法,分析了目前较先进的BP神经网络测温误差大的原因,并提出一种新的基于比值输入的BP神经网络法来计算温度。实验证明,该算法具有较高的计算精度和实用性。     

直升机旋翼协调加载自适应最优解耦控制

研究了直升机旋翼协调加载系统的自适应最优解耦控制问题。将最优控制理论与高斯基函数小脑模型神经网络相结合，提出了电液伺服加载的自适应最优控制策略,该控制策略能够确保闭环系统具有渐近稳定性。分析了旋翼协调加载系统的组成结构，建立了旋翼机构耦合关系的数学模型。在此基础上，提出了自适应最优解耦控制策略，有效消除了助力器与加载通道以及加载通道相互之间的耦合作用，提高了加载指令的跟踪精度。仿真结果表明，该协调加载解耦控制策略是有效的，具有较高的载荷谱跟踪精度。     

基于RBF神经网络的湿度传感器建模方法

针对高分子湿度传感器的测量精度易受温度影响的问题，提出了湿度硬件测量电路，建立了高分子湿度传感器的数学模型。此硬件测量电路的湿度传感器选用IH3605，温度传感器选用AD590。此数学模型采用RBF神经网络，利用在线测量的温湿度信号值，应用带遗忘因子的梯度下降算法进行网络参数的调整，同时给出了建模步骤。实际结果表明，该模型的误差小于0．5％RH，具有较高的精度。     

扩展隐层的误差反传网络训练算法研究

为提高神经网络的预测精度,对现有的误差反传网络训练算法进行了改进.对三层误差反传网络进行了结构扩展,在训练过的三层网络中,动态增加一个具有线性激活函数的辅助隐层,形成一种新的网络扩展模型.用改进的蚁群算法对新增权值参数进行训练,着重阐述算法的实现过程及算法分析.最后,设计了一组催化剂活性预测实验,对算法改进前后的预测能力及训练误差进行了对比.结果表明,采用该模型及训练算法,可以在不影响网络表达能力的基础上提高网络的训练精度及预测精度,改善了网络的泛化能力.     

基于神经网络的冷轧带肋钢筋机械性能预测

论述了神经网络在冷轧带肋钢筋机械性能预测中的应用。利用神经网络建立生产工艺参数与产品机械性能之间关系的数学模型，经过反复训练后即可用成熟的网络来预测产品性能。用此网络模型在南昌鑫叶拉丝加工厂进行大批量生产试验，预测出来的产品机械性能的准确率达到95％以上，从而为控制冷轧带肋钢筋机械性能提供了一条行之有效的方法。     

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理 ,分析了影响测量精度的因素 ,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系 ,其数学模型无法用解析式精确地加以描述。因此 ,提出一种基于神经网络的双目视觉传感器建模方法。数值实验表明 ,该方法简便易行 ,建立的模型有较高的精度     

基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化

为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给BP神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25nm减小到5nm,有较好的收敛性。