[成形过程的数据挖掘与深度学习方法]基于机器学习的管材弯曲回弹有效预测与补偿

采用基于优化的误差反向传播(BP)神经网络的机器学习算法建模，提出了考虑材料参数、几何参数等多因素的弯管回弹精确预测和高效控制方法。该方法通过引入非线性惯性权重及遗传算法的杂交算子，改进了粒子群优化(PSO)算法，进而通过改进的PSO算法对BP神经网络进行优化，构建了基于改进的PSO-BP神经网络机器学习回弹预测和补偿模型。以多种规格的铝合金数控弯管构件为对象，将实际生产中不同规格、批次、成形参数下回弹数据作为训练样本，实现了所建机器学习预测模型的应用验证。所建模型获得的预测结果平均相对误差为6.3%，与未优化的BP神经网络等传统模型相比，预测精度最大提高了18.5%，计算时间可从1.5 h缩短至300 s，同时实现了回弹预测与补偿精度以及计算效率的显著提高。     

基于FAHP的机械振动WSN均衡拓扑构建方法

针对机械振动无线传感器网络因拓扑不均衡导致传输时延和网络传输能耗增加的问题,提出了一种基于模糊层次分析(fuzzy analytic hierarchy process,简称FAHP)的均衡拓扑构建方法,该方法由构建模糊判断矩阵和计算权重向量组成。首先,传感器节点进行簇内通信获取信标广播信息,将信标节点网络决策因子统一量纲化,利用网络决策因子构建模糊判断矩阵;其次,检验模糊判断矩阵一致性,采用行和归一化处理或拉格朗日最小二乘法计算权重向量;最后,传感器节点通过权重向量计算出各个信标节点综合权值,关联最优信标节点为父节点加入网络,将提出的模糊层次分析拓扑构建方法与基于链路质量单准则构建网络拓扑机制进行对比。实验结果表明,该方法能有效改善传输时延和机械振动无线传感器节点网络寿命。     

Modeling and surface texturing on surface roughness in machining LaPO4–Y2O3 composite

In this work, lanthanum phosphate with a 20% yttria (LaPO₄/Y₂O₃) composite prepared by an Aqueous Sol–Gel process is machined using an Abrasive Water Jet Machine (AWJM). The machinability of this composite is studied by varying the input parameters namely Jet Pressure (JP), Stand-Off Distance (SOD), and Traverse Speed (TS) on Surface finish. Garnet of 80 mesh size is used as an abrasive with a flow rate of 85?g/min. The microstructural characterization study reveals the presence of new element YPO₄. This element enhances the machinability and reduced porosity in the composite. Microscopy examinations on the machined surface reveals that partial overlapping at low JP, poor surface finish at high JP and SOD, forged deficiency at maximum SOD and TS. The minimum levels of all input parameters are influenced to obtain acceptable Ra. Atomic Force Microscopy (AFM) on the kerf surface shows micro wear track and peaks. The Multiple Regression Analysis (MRA) is developed for Ra to check the adequacy. From the Analysis of Variance (ANOVA), SOD has a significant effect on Ra with a contribution of 53%. The influence of JP and TS on Ra is found to be 31% and 15%, respectively.     

精密磨床转台静压轴承的强健化设计

针对精密磨床转台静压轴承性能仿真数据与其回转精度实测数据不一致的问题，为提高转台静压轴承的设计水平，提出了静压轴承的强健化设计方法。该方法考虑了轴承结构参数在轴承全生命周期内的变化，分析了半径间隙、油腔尺寸、节流比及润滑油黏度在设计、加工、装配和服役4个阶段的变化规律，重点研究了半径间隙在各阶段对轴承性能造成的影响，给出了转台静压轴承的强健化设计流程。通过一个径向轴承的设计实例对该强健化设计方法进行了说明，并将设计结果与传统设计进行了对比。对比的指标是轴承在4个阶段的刚度、承载力和温升，这3个指标对轴承回转精度有直接影响。研究表明：进行强健化设计后，在生命周期内静压轴承的刚度和承载力的变化量为10%~27%，温度的变化量为0.5%~1.6%，较传统设计更能保证转台回转精度的稳定。     

鲸鱼优化支持向量机的短期风电功率预测

为提高风电预测的精度,提出一种鲸鱼优化支持向量机SVM(support vector machine)的组合预测模型。该模型针对风电序列的非平稳波动特性,首先应用集合经验模态分解技术EEMD(ensemble empirical mode de?composition)将原始风电序列分解为一系列不同特征尺度的子序列;并引入鲸鱼优化算法WOA(whales optimiza?tion algorithm)解决SVM中学习参数选择难的问题,进而对各子序列建立WOA_SVM预测模型;最后,叠加各子序列的预测值以得到最终预测值。仿真表明,所提EEMD_WOA_SVM模型具有较高的风电预测精度,显著优于其他基本模型。     

料仓皮带机电子秤在烧结生产工艺中的应用--一种模块式计量托辊电子皮带秤的应用实践

烧结生产,是钢铁工业的重要环节。烧结矿生产的各种矿料、燃料、辅料配比和烧结矿成品需要称重计量。烧结料配料与烧结矿成品基本是采用皮带机输送,烧结矿生产物料适宜采用电子皮带秤计量。为简化电子皮带秤的结构,降低安装和维护工作量,可将皮带机的上托辊,采用模块式计量托辊代替,可组合组装成多段计量的电子皮带秤。模块式计量托辊,可安装到原皮带机或原皮带电子秤,替代原托辊或原计量托辊。简化电子皮带秤的结构和安装,减少安装与维护工程量。嵌入式计量托辊模块,为发明专利产品。     

机床结构轻量化设计研究进展

对机床进行优化的结构构型设计,使得材料在机床结构空间内更加合理地分布和有效地利用,一直都是机床设计工作者追求探索的目标。论述机床构型和结构件轻量化设计的研究历程和技术发展,对机床结构轻量化设计中常用的现代设计方法:参数优化、结构拓扑优化、多方法综合结构设计、仿生优化设计方法进行具体技术介绍和综合评述,并对近年兴起的仿生优化设计方法进行从方法、实现手段和轻量化效果等方面重点分析和评述,对机床构型和结构件轻量化设计研究的未来发展提出展望。     

寺河矿上庄管道井反井施工技术

针对目前大直径管道井施工存在的效率低、安全性和经济性差等问题,提出了反井钻机一次成井工艺,介绍了表土层开挖、导孔、扩孔、锚网喷支护、井筒管路安装等施工过程及施工要点。实践表明,反井钻机施工上庄管道井,井筒施工进度、质量、管路安装质量和工程费用优势明显,为大直径管道井施工方案选择提供有利参考。     

厚煤层掘锚一体机快速成巷技术工艺研究

为了解决厚煤层顺槽巷道单进水平低、成巷速度慢的问题,以高河能源E2311工作面胶带顺槽掘进施工为背景,分析了JOY-12CM30型掘锚一体机在不同地质条件下的掘巷施工工艺,并确定了巷道支护参数及劳动组织方式。经现场试验,巷道掘进效率提高133.3%,矿井采掘衔接紧张局面得到缓解。     

人工监督神经网络在煤层裂缝发育区识别中的应用

针对在地震属性应用中难以精细识别煤层裂缝发育区边界的难题,开展了基于人工监督神经网络技术的煤层裂缝发育区应用研究。从地震资料中获取倾角导向体以提取高质量的地震属性,以多属性为指导进行人工拾取样点,并基于多层感知器进行神经网络机器训练学习,建立裂缝的最优属性集,拓展整体数据后获得裂缝概率体,从而识别划分出煤层裂缝发育区。该技术在山西阳泉新元矿区进行了应用,煤层裂缝发育区的识别结果明显优于属性直接识别,但勘探区内暂无钻井资料,预测效果还有待进一步验证。