首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   273篇
  国内免费   2篇
  完全免费   13篇
  金属工艺   288篇
  2020年   5篇
  2019年   11篇
  2018年   7篇
  2017年   12篇
  2016年   14篇
  2015年   14篇
  2014年   32篇
  2013年   20篇
  2012年   19篇
  2011年   25篇
  2010年   17篇
  2009年   18篇
  2008年   19篇
  2007年   22篇
  2006年   20篇
  2005年   8篇
  2004年   5篇
  2003年   10篇
  2002年   4篇
  2001年   2篇
  2000年   1篇
  1999年   2篇
  1998年   1篇
排序方式: 共有288条查询结果,搜索用时 36 毫秒
1.
利用灰色理论预测注水管道腐蚀速率的变化趋势   总被引:9,自引:0,他引:9  
针对注水管道中腐蚀速率和腐蚀影响因素之间复杂的映射关系,提出了利用灰色理论对腐蚀速率进行有效预测,同时为提高预测精度,对标准的GM(1,1)模型进行了合理改进,提出了4种改进方法:改进背景值、考虑初始点影响、灰色理论和BP神经网络相结合(简称灰色神经网络)以及灰色理论和遗传算法(简称灰色遗传算法)相结合等。通过示例表明,经过改进后的4种方法预测精度都有所提高,特别是灰色理论和神经网络结合、灰色理论和遗传算法相结合预测得到的腐蚀速率和实测值能较好吻合,预测精度最高;因此可以运用这两种改进方法较准确地预测腐蚀速率随着时间的变化趋势。  相似文献
2.
基于BP神经网络的液压系统故障诊断专家系统   总被引:8,自引:3,他引:5  
江丽  甄少华 《机床与液压》2002,(4):169-170,225
本文尝试将BP神经网络应用于液压系统的故障诊断,阐述了基于BP神经网络的故障诊断专家系统的基本结构,以及知识库,正向推理机和解释机的实现方法。  相似文献
3.
BP神经网络及其在焊接中的应用   总被引:7,自引:4,他引:3  
介绍了BP(Back Propagation)神经网络在焊接中的广泛应用,综述了其在焊接领域,如焊接接头质量预测与监控、焊接工艺参数设计、焊缝成形控制、焊缝跟踪以及焊接缺陷的检测等方面的应用现状,同时展望了神经网络在焊接中的应用趋势。  相似文献
4.
基于BP神经网络的铝型材挤压模具优化设计   总被引:7,自引:0,他引:7  
采用三层BP神经网络建立挤压模具的数学模型,利用三维刚塑性有限元模拟获得神经网络的样本信号,对神经网络模型进行训练。利用神经网络函数逼近功能,以U形铝型材在挤压工作带出口处具有最均衡的轴向挤压速度为目标,最终对U形铝型材挤压模具合理模孔位置进行了优化设计,并采用计算机模拟仿真对优化结果进行验证,表明优化结果是有效的。  相似文献
5.
对含钒10%的高速钢,利用铁磁性法测量了经900℃~1100℃淬火、250℃~600℃回火后其残余奥氏体含量。基于测量的实验数据,利用BP神经网络建立了残余奥氏体含量与热处理温度的非线型关系模型。结果表明:良好训练的BP网络模型可以较准确预测不同淬火、回火温度条件下残余奥氏体的含量。预测结果揭示了淬火、回火温度对残余奥氏体含量的影响规律,为生产中优化热处理工艺、控制残余奥氏体含量提供了一种新的方法。  相似文献
6.
基于BP人工神经网络的钢轨交流闪光焊焊接接头质量预测   总被引:6,自引:3,他引:3  
对刘国东等提出的BP(误差反向传播)神经网络归一化模型进行了改进,得到了适合钢轨交流闪光焊落锤质量预测的BP神经网络归一化模型。基于LabView开发软件编制了高速采集软件。采集了U71Mn钢轨焊接工艺正交试验的焊接电流、焊接电压和动立柱的位移,并从中提取加速烧化前一阶段的闪光率、能量输入、焊接时间和烧化量等质量特征量作为BP神经网络预测模型的输入量。建立了输入层单元数为5、隐含层单元数为14的BP神经网络焊接接头落锤质量的预测模型;以正交设计工艺试验的27个焊接接头中的17个作为训练样本,对预测模型进行训练。以余下的lO个作为检验样本,采用将训练后的预测模型进行预测,预测准确率达到90%。  相似文献
7.
基于神经网络的压铸工艺参数设计   总被引:6,自引:1,他引:5  
罗蓬  周锦进 《铸造》2000,49(5):286-288
根据BP神经网络预测了奢铸压力状况,由此进行了浇注工艺参数的整体性设计。  相似文献
8.
BP神经网络补偿热变形误差的研究   总被引:6,自引:0,他引:6  
在精密加工中,由于热变形引起的误差占整个系统误差的40%-60%[1] ,这说明对热变形进行深入研究和找出其规律并提出相应的补偿措施是十分必要的。本文是以CK616-1简易数控车床为实验对象,在对其热误差分析的基础上进行热误差建模,并结合改进的BP神经网络给出了具体实现的方法,对提高机床的加工精度有着极其重要的意义。  相似文献
9.
基于BP神经网络的挤压模具磨损预测   总被引:5,自引:1,他引:4  
基于修正的Archard磨损模型,将人工神经网络与有限元分析相结合,用有限元模拟数据作为学习样本,训练BP神经网络模型,以此模型预测挤压模具的磨损,实现了模具寿命的快速预测,也为模具型腔等磨损设计奠定了基础。  相似文献
10.
利用人工神经网络预测热连轧精轧机组带钢宽度变化   总被引:4,自引:0,他引:4  
吕程  谷立军 《上海金属》1998,20(4):36-39
采用BP神经网络方法代替传统的数学模型预测精轧机组轧制带钢的宽度变化,以提高热轧带钢的宽度精度,并进行了不同网络结构的比较研究。结果表明,BP神经网络方法优于传统数学模型方法,其预测值与实测值的标准差减小了51.9%。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号