基于BP & MATLAB的平面加工CAPP的研究

基于人工神经网络中的BP网络建立了零件表面加工方案模型.把一系列推理规则转化为网络权值,并设计BP网络.然后利用MATLAB软件中的神经网络工具箱编程,对网络进行训练,从而得到了零件平面加工工艺顺序.     

基于BP网络的零件外圆面加工方案决策研究

基于人工神经网络中的BP网络建立了零件外圆面加工方案决策模型。把一系列推理规则转化为网络权值,并设计BP网络。然后利用MATLAB软件中的神经网络工具箱编程,对网络进行训练,应用训练好的网络生成零件外圆面的加工方案,示例验证网络运行可靠。     

基于模糊BP网络的加工方法链决策

为实现计算机辅助工艺计划(CAPP)系统中零件特征加工方法的决策,分析了影响零件加工方法的因素,提出利用模糊BP神经网络算法对零件特征加工方法链进行优化决策.根据BP网络能够学习任何模式的映射关系的特点,建立了从输入到输出的网络决策模型,并对网络结构、参数确定和样本选取等问题进行详细阐述,运用合理的学习算法来训练网络,最后通过实例验证了该网络的有效性.结果表明,利用模糊BP神经网络进行零件加工方法的选择是有效的和可靠的.     

基于人工神经网络的零件表面加工方案决策方法研究

零件表面加工方案的选择是一个多因素约束的逻辑推理过程，需要大量工艺知识支持，基于规则和基于框架的知识表达方法，在知识量大的情况下，存在效率低和推理效率低的缺陷，本文建立了基于人工神经网络的零件形面加工方案决策模型，设计了学习样本，用BP算法对网络进行训练，把一系列推理规则转化为网络权值，应用训练好的网络生成零件形面加工方法甸。     

基于特征与遗传神经网络的飞机结构件数控加工工时预测方法

为了解决在没有数控程序的情况下快速准确的预测飞机结构件的数控加工工时,提出了一种基于特征与遗传神经网络的数控加工工时预测方法。提炼各类特征的加工工时影响因素并建立特征样本库,为每种加工特征构建BP神经网络;针对BP神经网络极易陷入局部极小值、收敛速度慢、网络参数难以确定等问题,结合遗传算法优化BP神经网络。建立了5种神经网络结构,通过调用相应的网络预测每一类加工特征的加工工时,进而形成每一工步的加工工时,累加零件所有工步的加工工时得到零件整体的加工工时。应用该方法预测零件整体的加工工时误差在5%以内。     

基于BP神经网络的槽类特征铣削加工方案决策和刀具优选

为实现CAPP系统中零件特征加工方法的智能决策,完成加工结果相互关联的特征加工方案选择,利用BP神经网络算法对槽类特征加工方法和刀具选择进行智能决策,建立了从输入到输出的网络决策模型,并对网络结构、参数确定问题进行阐述。通过正交表选取试验样本,运用带有自适应lr的梯度下降算法来训练网络,最后通过实例验证了该网络的有效性。结果表明,利用BP神经网络进行零件加工方法的选择和刀具优选是可行且有效的。     

基于聚类算法及BP网络的零件族构造方法研究

为解决多品种小批量产品的零件成组设计与加工的问题,提出了基于编码的K-means聚类算法和有效性指标的已有零件成组,以及利用BP网络法实现新零件归族的方法来构造零件族的方法。建立零件聚类成组的数学模型,利用函数指标来检验零件成组的有效性并得出最佳聚类族数。利用神经网络算法来进行零件分组的BP网络训练,通过训练后的网络对新的零件进行仿真,从而实现新零件的匹配。通过实例证实该方法可准确构建相似件的零件族。     

外圆磨削表面粗糙度的BP网络建模与验证

基于零件加工表面粗糙度在线检测困难问题,应用BP网络建模对外圆磨削加工表面粗糙度值进行预测,并通过实验验证所建模型的正确性,同时也验证了实验数据的准确性。     

基于BAS-BP的铝合金弱刚性零件铣削力的预测

为减少薄壁零件的加工变形，实现对铝合金薄壁零件铣削力的精准预测，通过响应曲面法设计相关试验获得铣削力试验数据。针对传统BP神经网络预测精度不高的弊端，将天牛须寻优算法(BAS)与BP神经网络结合，优化BP神经网络初始权值和阈值，建立BAS-BP神经网络预测模型。结果表明，改进后的神经网络预测模型具有更高的预测精度，对铝合金零件加工中铣削力的预测有较为理想的效果。     

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。     

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.     

基于虚拟仪器的FMS运行状态监测系统

针对FMS的零件加工过程,基于刀具的破损机理,分析了刀具小面积破损及刀具大面积破损情况下切削力及电机电流的变化规律,并建立了加工状态监测的实验系统.基于神经网络理论,建立了BP网络的加工状态识别系统理论模型.实验证明,该监测方案及建立的理论模型是正确的.     

薄片零件的加工精度分析与提高精度的措施

薄片零件一般指垫圈、摩擦片、样板、薄板等。由于这类零件厚度较薄，在切削过程中，由于切削力、切削热等因素的影响，使薄片零件产生加工变形，从而影响零件的加工精度。为了减少薄片零件在切削过程中的变形，根据零件的材质、图样技术要求和加工条件的不同，制订合理的加工工艺，设计出满足工艺要求的夹具来加工，或确定合理的切削用量、切削液和选择合理的刀具材料等等，尽可能不同程度地减小零件的加工变形，从而达到提高薄片零件加工精度的目的。本文以车削圆形薄片零件为例，在车削过程中对影响零件加工精度的主要因素进行了综合分析，并针对这些因素提出了相应的解决措施。     

工艺规划和生产计划与控制集成过程中的资源决策

为了得到合理的工艺计划和车间生产计划调度结果，分析了计算机辅助工艺规划和生产计划与控制系统基于非线性工艺规划的并行集成原理，研究了二者集成过程中出现的资源选择问题。在资源决策过程中，首先确定加工某类零件需要的机床加工能力，然后根据车间计划系统反馈的加工资源实际情况确定车间中满足加工能力的机床，最后根据机床实时状态，计算车间每一个可用机床的优先指标。应用BP神经网络以及相关算法实现了二者集成过程中的资源决策。结果表明：利用BP神经网络以及相关算法可以有效地进行CAPP／PPC并行集成过程中的资源决策。     

BP网络在优化机械加工参数中的应用

机械加工中的误差复映现象使加工参数的选择主要依靠工人的经验,为此,利用BP网的任意非线性映射能力,通过学习人的经验,实现机械加工参数的优化选择。分析了机械加工中误差复映问题的特点,利用改进后的BP网络算法的非线性映射能力,逼近误差复映系数与工件材料硬度、进给量等因素之间的非线性关系,对训练成熟的网络输入加工前毛坯误差、工件材料硬度等,可以输出满足加工要求的加工次数和各次的加工量。通过实例说明了采用附加动量法和自适应学习率改进后的BP算法收敛快,且不易限入局部极小值。在分析误差复映问题模型和比较不同网络结构的训练结果的基础上,确定了BP网络结构。通过在MATLAB中对网络的测试结果,验证了用BP网络实现优化机械加工参数的可行性。     

基于神经网络的切削用量选择方法研究

以提高切削效率为目的,对数控加工中的切削用量进行智能化选择.首先建立BP网络模型,并确立了以刀具材料、加工工件材料以及刀具几何尺寸为输入层,铣削用量为输出层;然后对BP网络进行设计,确定隐含层和隐含层单元数目,并按照实际生产中所采集的随机的切削用量数据训练BP网络;最后对智能化选择的切削用量参数进行仿真、验证.将选取出的切削用量应用于实际生产,效果良好.     

浅谈提高薄壁零件加工精度的工艺方法

薄壁零件刚性差、强度弱，在切削加工中极易变形，影响着零件的加工精度，一直是金属切削加工中的棘手问题。通过对零件的装夹，切削用量的选择、刀具的几何角度及切削液应用等方面的分拆和探讨，为提高薄壁零件的加工精度，提出了一些建议，可供实际应用时参考。     

零件设计对数控加工的影响

零件的设计直接影响数控编程与加工，从零件在加工中的装夹、数控编程和结构工艺性三方面讨论了在零件设计中应考虑的问题，提出了在设计中应注意的事项。     

薄壁零件的车削

针对薄壁零件的车削，设计了加工工艺、切削刀具和切削参数，选择合适的切削液，进行了试验研究。试验结果表明：优化切削工艺、切削参数，可以减少薄壁零件车削中的变形，加工出合格的薄壁零件。     

基于改进型BP网络的油管接箍加工圆度误差预测

基于人工神经网络所体现出的良好的非线性逼近特性,运用遗传算法优化BP网络的权值和阈值,避免BP网络陷入局部极小点,同时通过灰色关联分析优化网络的结构,使网络具有更好的泛化性和收敛速度。运用改进的BP网络发掘油管接箍加工中各个加工参数对最终加工圆度误差的潜在关系,从而实现对油管接箍加工圆度误差的预测。结果表明改进型BP神经网络具有较快的收敛速度和较好的泛化性能够准确预测油管接箍加工圆度误差。