基于LSTM自动生成音乐

本文介绍了基于字符级长短期记忆网络计算机音乐生成方法,并分析了其不同网络结构在计算机音乐生成的效果。与现有的方法相比,基于字符级递归神经网络的音乐生成算法的优点是可以实现端到端训练,网络结构简单直观。音乐旋律无需通过繁琐的特征工程来获得,而是直接通过LSTM网络的学习自动获得。通过实验验证发现,不同LSTM网络结构在经过合适的训练之后均能够生成具有明显旋律的音乐序列。     

螺杆转子盘铣刀铣削表面粗糙度预测

螺杆转子主要应用在压缩机、螺杆泵等设备中,其表面质量对使用性能及工作寿命起到关键性作用。工艺参数为影响螺杆转子表面粗糙度的主要因素之一。为了探究工艺参数对螺旋曲面铣削表面质量的影响规律,设计转子铣削实验,获取预测及实验对比样本。利用改进的北方苍鹰搜索算法(INGO)对BP神经网络的初始权值和阈值进行优化,以便提高铣削后的多头螺杆转子表面粗糙度的预测精度。通过实验结果验证所提出算法的预测精度。结果表明,提出的预测模型在平均训练精度及预测精度等方面均优于GRU神经网络及CNN-GRU神经网络模型,其中平均训练精度及预测精度分别约为94.502%和95.523%。故提出的算法具有较高的预测精度,可为合理选择螺杆转子铣削加工的工艺参数提供理论依据。     

盘铣刀铣削过程中刀具磨损研究

为实现对盘铣刀铣削转子过程中刀具磨损率预测,达到预测刀具有效加工时间的目的,采用线性回归方法建立了刀具磨损率预测模型,并验证了模型的准确性;基于该模型分析了工艺参数对刀具磨损率的影响规律。研究结果表明：当主轴转速增加时,刀具磨损率逐渐增大;当间歇进给量增加时,刀具磨损率先减小后增大;当加工倍率增加时,刀具磨损率逐渐增加。