PSO优化灰色神经网络的珩磨油石磨损预测

为了预测油石的切削寿命,保证珩磨加工质量,引入灰色神经网络,通过将珩磨工艺加工参数作为模型输入来预测油石的磨损量,最终建立了珩磨油石磨损量预报模型。在油石磨损量预测过程中,针对神经网络存在收敛速度慢、容易陷入局部最优等缺陷,利用粒子群算法对灰色神经网络的参数进行优化。试验结果表明,基于粒子群算法改进的灰色神经网络具有更好的逼近能力和预测精度,便于合理更换油石。     

力学性能预测模型及其控制的研究

首先介绍神经网络建模特点,利用神经网络建立起由工艺参数预测力学性能的质量模型,及根据力学性能要求优化工艺参数的逆质量控制模型, 预测效果图显示该模型的预测精度较高.然后,利用质量预测模型分析卷取温度对屈服强度的影响,并利用自校正PID（proportion integral differentiation）控制实现力学性能的控制,仿真结果证明该方法的有效性.     

径向基神经网络在三维激光切割中的应用

分析了RBF神经网络的特点，并研究了它在三维激光切割中的应用，利用该神经网络及其变形可以预测切缝的宽度，也可以根据输入参数对试样的挂渣与否进行判定。比较了三雏激光切割中切割倾角和切割方向对切割质量的影响，从而实现切割质量的预测和优化工艺参数的选取以指导实际的切割过程。     

基于 CSA-NARX 模型的电梯钢丝绳动态张力预测方法

为了预测曳引式电梯钢丝绳的动态张力,对带有外部输入的非线性自回归神经网络( NARX )进行研究,利用变色龙优化算法( CSA )对其关键参数进行优化,提出了 CSA-NARX 神经网络模型。该模型在计算速度以及预测精度方面皆优于 NARX 基础模型。最后,利用提出的神经网络模型对电梯上行过程中钢丝绳的动态张力进行预测,其预测精度达到了 97% 。以传统的非平稳时间序列分析模型 ARMA 和 LSTM 为对比,所提出模型的精度更高,验证了所提出模型的有效性。     

经济视角下质量预测的BP神经网络优化方法研究

对过程质量利用前馈(BP)神经网络进行预测,通过对网络参数和训练样本的优化来克服BP神经网络的缺陷.仿真结果表明网络的预测性能具有较好的可信度,而且较之开发新的网络更为成熟,同时能降低质量控制成本.     

实验与数据混合驱动的喷墨打印电子电路质量预测研究

当前,喷墨打印在制造电子电路过程中,工艺参数对印制电路的导线线宽和电阻影响尚未明确,这会导致在实际生产过程中难以配置最优工艺参数组合,从而降低产品的最终质量。针对此问题,基于GA-BP神经网络对喷墨打印电子电路的导线线宽和电阻进行了精确预测与优化。首先,通过探究神经网络的神经元个数与模型均方误差的关系,建立了适用于喷墨打印电路导线线宽与电阻的GA-BP神经网络;其次,采用全因子实验的方法,获取基板温度、打印速度、打印层数和延迟时间对印制电路导线线宽和电阻的影响,此外,对比分析BP和GA-BP神经网络对于电路导线质量的预测精度并确定了打印参数对质量的拟合方程;最后,通过遗传算法对导线线宽和电阻进行工艺参数优化,并对二者的优化结果进行实验验证。实验结果表明,导线线宽和电阻的测量值和预测值的相对误差在5%之内,该模型能够准确实现对电子电路质量的预测与参数优化,从而提升电路质量,为产品的研发设计提供了有力参考。     

一种新型混沌PSO算法在板形智能控制中的应用

提出一种新型混沌PSO算法优化RBF神经网络并对板形进行识别,使用神经网络预测和效应矩阵控制器对板形进行预测控制。仿真过程表明,新型混沌PSO算法对优化神经网络的结构和参数都有明显的效果,使用板形识别模型和带预测过程的效应函数可以有效控制板形系统。     

一种新型混沌PSO算法在板形智能控制中的应用简

提出一种新型混沌PSO算法优化RBF神经网络并对板形进行识别,使用神经网络预测和效应矩阵控制器对板形进行预测控制.仿真过程表明,新型混沌PSO算法对优化神经网络的结构和参数都有明显的效果,使用板形识别模型和带预测过程的效应函数可以有效控制板形系统.     

旋转机械的遗传算法优化神经网络预测模型

趋势预测是实现旋转机械先进的预知维护的关键技术,神经网络模型预测是实现趋势预测的新途径。当前旋转机械状态预测神经网络对环境的适应性较差、预测精度较低。针对这个问题,提出了一种在线自适应趋势预测方法。利用遗传算法(GA)的并行搜索能力对BP网络结构参数进行动态优化。改进后的预测模型能够根据不同条件对结构参数进行动态优化,取得了较理想的在线预测效果。     

基于RBF神经网络和遗传算法的油膜附水滴切削参数优化

为了优化油膜附水滴切削工艺参数,降低切削力,减少刀具磨损和提高切削加工质量,结合神经网络和遗传算法,基于MATLAB软件对切削试验数据进行训练.通过构建径向基函数RBF和反向传播BP神经网络模型,并对切削力和表面粗糙度综合加权后综合目标进行预测.对比两种模型的精度后,选择更精确的RBF神经网络模型.利用遗传算法GA优化...