Computation of a compact state space model for an adaptive spindle head configuration with piezo actuators using balanced truncation

Finite element models of machine tools or their building blocks are usually very large and thus do not allow for fast simulation or application in controller design. Especially when algebraic constraints come into play the models become differential algebraic equations and therefore are even more difficult to handle in the application. In this contribution we propose a method based on modern system theoretic model order reduction algorithms that allows to generate a first order standard state space reduced order model for a structural model of an adaptive spindle support that is of second order index 1 differential algebraic form due to the piezo actuation applied. The accuracy of the method is demonstrated by a numerical frequency domain error analysis.     

On-line tool wear estimation in CNC turning operations using fuzzy neural network model

In recent past, several neural network models which employ cutting forces and AErms or their derivatives for estimation as well as classification of flank wear have been developed. However, a significant variation in mean cutting forces and AErms at the start of cutting operation for similar new tools can result in estimation and classification error. In order to deal with this problem, a new on-line fuzzy neural network (FNN) model is presented in this paper. This model has four parts. The first part of the model is developed to classify tool wear by using fuzzy logic. The second part of this model is designed for normalizing the inputs for the next part. The third part consisting of modified least-square backpropagation neural network is built to estimate flank and crater wear. The development of forth part was done in order to adjust the results of the third part. Several basic and derived parameters including forces, AErms, skew and kurtosis of force bands, as well as the total energy of forces were employed as inputs in order to enhance the accuracy of tool wear prediction. The experimental results indicate that the proposed on-line FNN model has a high accuracy for estimating progressive flank and crater wear with small computational time.     

风电法兰摩擦因数预测与表面工艺优化∗

风力发电机法兰承受较大切向载荷,法兰结合面的静摩擦因数直接影响法兰连接性能,目前法兰静摩擦因数预测理论和表面工艺优化的研究较少。 为建立风电法兰结合面静摩擦因数预测模型,探究表面工艺参数对法兰静摩擦因数的影响。 基于分形理论构建法兰结合面静摩擦因数的分形预测模型,并采用摩擦试验对预测模型的准确性进行验证。 设计正交试验来探究表面粗糙度、表面处理工艺、表面涂层多种表面工艺参数对静摩擦因数的影响,建立表面工艺参数与静摩擦因数映射数学模型,基于该数学模型得到产生最大静摩擦因数的工艺组合方案。 研究结果表明:静摩擦预测模型具有较高的准确性, 为法兰精确化设计提供了理论基础。 对正交试验结果进行极差和方差分析得出:表面粗糙度对静摩擦因数影响最小,表面处理工艺次之,表面涂层的影响最大,产生最大静摩擦因数的表面工艺为:表面粗糙度为 Ra 6. 3、表面喷丸处理、涂覆 Paint B 油漆,建立的表面工艺参数与静摩擦因数映射数学模型能够准确获得最优表面工艺参数,缩短了法兰表面工艺设计周期。     

基于ARIMA 和SVR 的滚动轴承状态预测方法研究

滚动轴承作为多种机械设备的关键零件,其运行状态的好坏往往影响着整机设备的运行状况,因此高精度的滚动轴承状态预测对整机设备的运行状态有着重要的意义。针对滚动轴承单一预测模型精度较差的问题,构建一种基于时间序列ARIMA和支持向量回归机SVR理论的组合预测模型。首先针对单一模型进行预测,应用误差平方和倒数法得到两种预测模型的权重结果,最终将该组合模型的预测结果分别与单一预测模型作比对分析。结果表明：该组合预测模型的预测误差均小于单一模型,具有较高的可靠性。     

基于LASSO-WOA-LSSVM的海洋管线外腐蚀速率预测

目的 构建海洋管线外腐蚀速率预测模型,提高海底油气管线外腐蚀速率预测的准确性.方法 建立基于套索(LASSO)回归和鲸鱼优化算法(WOA)的最小二乘支持向量机(LSSVM)腐蚀速率预测模型,采用LASSO回归方法对指标进行筛选,提取海洋管线腐蚀的主要影响因素.应用最小二乘支持向量机算法建立海洋管线外腐蚀速率预测模型,并使用鲸鱼优化算法对模型参数进行优化,避免了参数取值对模型回归性能的影响.以海洋挂片实验为例,通过MATLAB进行模拟仿真,分析验证模型预测结果,并将预测结果与其他模型进行对比分析.结果 LASSO回归算法筛选得到影响腐蚀速率的主要因素为:温度、溶解氧含量、pH值.采用WOA-LSSVM模型所预测的结果与实际值较为吻合,其平均相对误差为2.23％,均方根误差(RMSE)为0.3248,决定系数R2达到0.9708,均优于其他两种模型.结论 基于LASSO回归和鲸鱼优化算法的最小二乘支持向量机预测模型具有更优的泛化能力和预测精度,为海底管道腐蚀研究工作提供了新思路,也为海洋油气输送系统的结构安全与风险防范提供了参考.     

Modeling Blanking Process Using Multiple Regression Analysis and Artificial Neural Networks

The design of blanking processes requires the availability of a procedure able to deal with both tooling and mechanical properties of the workpiece material (blank thickness, hardness, ductility, etc.). This research presents the development and comparison of two models to predict the quality of the blanked edge represented by burrs height, the first model is an artificial neural network (ANN) based, while the second model is a multiple regression analysis (MRA) based. Finite Element modeling of the blanking process was used to generate the data for both models. Both ANN and MRA are able to give good prediction results, however, ANN still more accurate because it deals efficiently with hidden nonlinear relations when compared to MRA. The comparison between experimental and model results shows that average absolute relative error in the case of ANN was <2.20% for carbon steel and 4.85% for corrosion-resistant steel (CRES) compared to 15.18% for carbon steel and 14.22% for CRES obtained from the second order MRA. Therefore, by using ANN outputs, satisfactory results can be estimated rather than measured and hence reduce testing time and cost.     

基于PSO-ELM的316L不锈钢细长管磁粒研磨内表面粗糙度预测模型

针对316L不锈钢细长管磁粒研磨加工过程中,最佳工艺参数难以选择,以及加工后对工件内表面粗糙度（Ra）的预测问题,将影响磁粒研磨316L不锈钢细长管内表面粗糙度的四个工艺参数作为输入值,内表面粗糙度作为输出值,构建粒子群（PSO）优化极限学习机（ELM）模型来预测316L不锈钢细长管内表面粗糙度,利用PSO对工艺参数进行全局寻优,获得最佳工艺参数组合,最后通过试验与预测结果进行对比。构建的PSO-ELM表面粗糙度预测模型拟合优度R2为0.984 8,绝对误差（MAE）为0.013 4,均方根误差（RMSE）为0.021 4。得到的最佳工艺参数组合为：主轴转速2 389.011r/min,进给速度3.167 mm/s,磨料粒径216.185μm,加工时间35.856 min,预测Ra为0.178μm。对工艺参数进行调整,试验得到的Ra为0.182μm,与预测值相比误差为2.24%。基于PSO-ELM方法构建316L不锈钢细长管内表面粗糙度预测模型,实现对工件内表面粗糙度的精确预测,应用粒子群方法得到最佳工艺参数组合,提高了磁粒研磨316L不锈钢细长管的加工效率。     

基于回归正交试验的皮质骨钻削力试验研究

骨钻过程中,钻削力的变化规律对优化刀具参数和测量骨损伤至关重要,为获得皮质骨的钻削力变化情况,采用正交试验方法对皮质骨进行钻削试验,并用多元线性回归法对试验结果进行处理,建立了皮质骨钻削力的预报模型。结果表明:对钻削力影响最大的是钻头直径d,进给量f次之,切削速度v的影响最小。在实际操作中选择合适的钻削参数可提高加工效率,通过控制切削用量可以获取最优的切削力。     

基于机器学习的前轴辊锻工艺参数预测

使用基于混合核函数的最小二乘支持向量机算法来进行前轴第1道次辊锻工艺参数的预测,构造混合函数以提高预测模型的预测精度.对工艺参数预测模型进行实验验证,结果表明,与基于单独RBF核的LS-SVM算法相比,混合核函数LS-SVM算法构建的预测模型具有更高的预测精度,由3组不同核函数参数构成的预测模型对最大成形载荷及展宽的平...     

非等厚异种钢电阻点焊熔核成形的多元非线性回归模型

利用多元非线性回归正交组合的方法进行试验设计,分析两种厚度不一的异种钢板电阻点焊工艺.试验将表征非等厚异种钢材料电阻点焊熔核形状的熔核直径、熔核偏移,作为考察指标,将焊接脉冲电流、电极压力、焊接时间、热处理脉冲电流4个工艺参数,以及各参数之间的交互作用作为影响指标的因素,得到可预测熔核形状参数的回归数学模型.结果表明,优化的回归数学模型可实现该类非等厚异种钢电阻点焊接头熔核成形的较为有效的预测.在模型的基础上分析各工艺参数及各交互作用对焊点质量的影响规律,可进而对该类材料电阻点焊工艺参数进行优化设计.     

基于QGA-SVR的工件表面粗糙度预测和分析

在自动化生产中建立难加工材料的表面质量预测模型,是实现可持续制造的基础。提出一种结合量子遗传算法和支持向量回归(Quantum genetic algorithm-Support vector regression,QGA-SVR)的已加工表面粗糙度预测模型,改进了现有寻优方法在搜索支持向量回归的模型参数易陷入局部最优解的问题。在量子门更新的过程中加入交叉和变异的操作,保证了模型全局搜索能力,为了提高支持向量回归的泛化能力,在参数优化过程结合了K-折叠交叉验证。结合干车削304不锈钢的切削试验以及现有的铣削实验数据,对比分析了基于量子遗传算法和遗传算法的支持向量回归模型。结果表明:QGA-SVR具有收敛速度快、预测精度高的优点,基于建立的QGA-SVR模型分析了切削参数对车削表面粗糙度的影响规律。     

基于连铸生产大数据的热轧卷质量预测模型

板坯热送热装或连铸连轧技术逐渐被越来越多的钢厂采用,然而其进一步发展受到连铸坯质量的制约。故针对连铸坯缺陷的有效判断可避免存在质量问题的铸坯进入轧制环节,从而降低额外的能耗。基于对铸坯质量的在线检测困难这一问题,从生产大数据的角度建立了板坯热轧卷的质量预测模型。首先根据正常与缺陷产品高度不平衡的数据特点,提出了相关性分析、不平衡数据随机分类与主成分数据降维三者相结合的数据预处理方法,随后选择GA-BP神经网络算法构建了针对低碳钢、包晶钢和中碳钢的热轧卷质量预测模型。预测模型具有较高的准确率,其中低碳钢模型总体预测准确率达到94.7%,缺陷预测准确率为82.8%;包晶钢模型总体预测准确率达到93.3%,缺陷预测准确率为87.5%;中碳钢模型总体预测准确率为85.4%,缺陷预测准确率为87.3%。最后,基于Python语言编写了热轧卷质量在线预测软件,可对热轧卷质量进行实时预测,方便快速地溯源缺陷发生原因。     

华法林PPK/PD模型与多元回归法剂量模型的预测准确度比较

目的：比较华法林PPK/PD模型与多元线性回归法建立的6个剂量模型的预测准确度，以期为华法林PPK/PD模型的临床应用提供参考。方法：收集本院使用华法林钠片口服抗凝治疗的住院患者的相关临床资料，分别用PPK/PD模型与其他6个模型模拟预测值。利用SPSS 23.0软件进行实测值与预测值的配对t检验，采用平均预测绝对偏差和预测偏差百分比两个评价指标并绘制预测偏差箱式图并从数据总体、不同剂量组、不同基因型组分别比较。结果：研究共纳入50例患者，7个模型中，只有PPK/PD模型、Wen等人模型和都丽萍等人模型的预测值与实测值无统计学差异（P>0.05）。PPK/PD模型的预测准确度在总体数据、低中剂量、不同基因型患者间的预测准确度更高。Wen等人模型和李传保等人模型在高剂量组中的预测准确度较高。结论：华法林PPK/PD模型临床预测性能良好，可望为华法林精准给药提供参考。     

316L不锈钢激光熔覆宏微观特征优化

为了获得高质量激光熔覆制件，针对现有研究仅以宏观几何形貌为优化目标的问题，以316L不锈钢为例，提出一种以宏微观特征为目标的工艺优化方法.首先通过全析因设计和回归分析构建熔覆层宏观几何形貌及微观组织同主要工艺参数的经验统计模型，探讨了工艺参数对几何形貌及微观晶粒平均截距的影响规律.然后选用几何形貌和晶粒平均截距作为评价熔覆成形质量的指标，采用复合合意性函数确定了最佳工艺参数和合适工艺窗口，最后验证了该方法可行性和有效性.结果表明，在选择最佳工艺参数的条件下，宏微观特征的统计模型具有较高预测精度，制备的熔覆样件不仅具更高的显微硬度，还具备良好的拉伸性能：屈服强度为439 MPa，抗拉极限为751 MPa，断后伸长率为26%，实现了宏微观特征的优化.     

基于物理及元建模法的TB15钛合金本构模型研究

采用Gleeble-3800热模拟机对TB15钛合金进行等温恒应变速率热压缩试验,研究其在变形温度为810～930℃、应变速率为0.001～10s-1和高度压下量为60%条件下的热变形行为;建立了物理、支持向量回归(SVR)和响应面三种本构关系模型来预测TB15钛合金的流动应力,同时对比了三种本构模型的预测精度。结果表明:TB15钛合金的流动应力随应变速率的降低和变形温度的升高而减小,峰值应力的变化对应变速率的敏感性更高;物理本构模型、SVR本构模型和响应面本构模型相关系数R均大于0.98,但是响应面本构模型的R值达到了0.993,而且响应面本构模型的相对误差在±5%范围内的预测值频率达到了67.9%,大于物理本构模型的58.6%。同时经过方差分析得到所构建的响应面本构模型的显著性检验值P<0.0001,表明响应面本构模型预测的流动应力与变形温度、应变速率和应变之间的回归关系显著,比物理本构模型和SVR本构模型有更高的精度,能够更好的预测TB15钛合金的流动应力。     

Second order accuracy in phase field modeling of normal grain growth

The first and second order accuracy of phase field modeling of normal grain growth is investigated using asymptotic analysis. It is found that the model can achieve first order accuracy but fails to gain second order accuracy. The deviation in second order accuracy is proportional to the inverse of interface thickness so that phase field simulation approaches the sharp interface prediction as interface thickness increases. This result is confirmed by comparison of phase field simulation and analytical solutions, and it well explains the effect of interface thickness on phase field simulation of grain growth observed in previous work.     

脉冲PAW快速成形焊缝尺寸的预测模型

介绍了一种基于脉冲等离子焊接快速成形的方法,并采用Taguchi法对单道成形试验进行了合理设计,从而获得了多组焊接工艺参数下的熔宽和余高数据.通过遗传算法（GA）结合BP神经网络的方法建立了等离子焊接快速成形的预测模型,该模型预测了不同焊接成形工艺参数下单道成形的熔宽和余高.结果表明,通过误差分析和线性回归的方法验证了模型具有较高的预测精度和泛化能力,能够合理的预测焊道尺寸,并能推广到多层多道堆积成形尺寸的预测.     

基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测

目的研究激光熔覆关键工艺参数(激光功率、扫描速度、送粉速率)与单道熔覆层宏观形貌(宽度、高度、熔池深度)之间的数量关系,以实现对WC-Co50复合熔覆层形貌的预测,从而为牙轮钻头的修复提供参考。方法设计不同的实验参数,利用4k W光纤激光器在牙轮钻头钢15MnNi4Mo表面熔覆单道WC-Co50复合涂层。采用工业显微镜观察单道熔覆层的横截面宏观形貌,并测量其三维尺寸。在上述形貌参数的基础上,分别运用多元线性回归分析和人工神经网络方法,建立关键工艺参数与熔覆层宏观形貌之间的关系模型,并将实验结果与模型预测结果进行对比。结果总体来讲,神经网络对熔覆层形貌的预测结果更为精确,平均相对误差为5.3187%;多元线性回归分析预测的平均相对误差为6.0028%。分析表明,对熔覆层宽度的预测结果最精确,两种方法的平均相对误差仅为1.2999%;对高度及熔池深度的预测结果稍差,平均相对误差分别为8.0586%和7.6237%。结论两种预测方法都具有较高的精度,但神经网络法函数关系不明确,运算过程复杂,需要通过进一步的算法优化来提高预测精度。     

面向顾客满意度的废旧机床再制造设计参数规划方法

基于目前大多数再制造机床仅注重机床本身性能的恢复,从未无法达到预期市场竞争力的问题,结合顾客需求和废旧机床再制造设计,构建了再制造设计参数决策框架,并充分考虑顾客需求与再制造设计参数之间的不确定性,应用模糊非线性回归法分析顾客需求与再制造设计参数之间以及不同再制造设计参数之间的模糊相关关系。同时,针对基于传统模糊非线性回归法的规划方程不具备处理模糊关系的能力,导致规划结果与实际情况偏离的情况,将模糊度融入规划方程,构建基于改进模糊非线性回归法的废旧机床再制造设计参数规划方程。以某机床再制造企业的废旧CAK6163的再制造设计过程为例,应用改进的再制造设计规划方程对其再制造设计参数进行规划。结果表明,由改进的规划方程得到的再制造设计参数,相对于传统规划方程,能够获得更高的顾客满意度,进而有效提升了再制造机床的市场竞争力。     

钛合金TC4切削过程流动应力模型研究

运用有限元技术对切削过程进行仿真可以预测切削力、切削温度、应力分布,优化刀具参数和切削条件。建立适合于切削条件中大应变、高应变率条件下材料的流动应力模型,是切削过程有限元仿真的关键技术。文章通过正交切削实验和有限元迭代的方法,修正了难加工材料TC4在大应变、高应变率条件下的J-C流动应力模型,使修正模型能够适应切削仿真中的大应变、高应变率要求。计算结果表明,采用新的J-C流动应力模型进行计算,所得主切削力值与实验测量值的平均误差从36.28%降为12.06%,进给力的平均误差由原来的61.03%降为现在的25.57%。该修正的流动应力模型比用霍普金森实验所得到的流动应力模型更适合于切削过程的有限元仿真,可以提高切削仿真的计算精度。