点磨削氟金云母复合智能算法表面硬度模型

通过氟金云母高速点磨削实验,测试了工件已加工表面硬度,分析了表面硬度分别随五个点磨削工艺参数的变化趋势。基于粒子群算法改进的BP神经网络进行预测,结合最小二乘法进行数值拟合,分别建立表面硬度关于各工艺参数的一元模型,以相关系数检验模型精度,结果表明一元模型具有较高可靠性。以一元模型为基础,提出多元模型。基于正交实验结果和粒子群算法,对多元模型进行优化求解,并通过验证实验,证明多元模型具有较高可靠性。     

基于遗传算法与BP神经网络的微晶玻璃点磨削工艺参数优化

通过低膨胀微晶玻璃点磨削实验,测试了加工表面粗糙度、表面硬度,分析了实验数据变化趋势。通过最小二乘拟合,建立了关于粗糙度、表面硬度的一元数值模型,并将模型预测值与实验值进行了比较,以验证模型的精确性,结果表明模型具有较高的精度。根据正交实验结果,基于BP神经网络算法和遗传算法,建立了粗糙度、表面硬度的多元数值模型并以此作为目标函数,以表面硬度最大和表面粗糙度最小作为优化目标,基于遗传算法进行了工艺参数的双目标优化,获得了一组点磨削工艺参数的最优解范围,实验验证结果表明优化结果是合理的。     

基于改进BP神经网络算法的钻锪工艺参数优化

针对目前工业机器人钻锪工艺参数选取主要依靠经验法的问题,提出基于改进BP神经网络算法的钻锪工艺参数优化方法。分析钻锪工艺过程并针对工艺参数和加工质量的关系进行正交实验设计和相关性分析;针对哈里斯鹰算法的不足,在猎物逃脱几率和猎物跳跃强度两方面对其进行改进;运用改进的哈里斯鹰算法优化BP神经网络,并基于改进的BP神经网络算法建立工艺参数优化数学模型;采用fmincon函数求解最优工艺参数并进行实验验证。分析结果表明,与由经验法确定的工艺参数相比,优化后的工艺参数在孔径精度和锪窝深度精度方面分别提高了17.9%和26.5%,满足了加工质量要求,并保证了加工效率。     

基于神经网络与PSO算法的发动机装配工艺参数优化

针对汽车发动机装配过程中缸体泄漏问题,结合Back Propagation(BP)神经网络及粒子群优化(Particle Swarm Optimization, PSO)算法,提出了一种发动机装配工艺参数优化方法。首先,使用BP神经网络建立了生产工艺参数与质量指标之间的非线性映射关系,并以此作为泄漏率预测模型。其次,根据实际生产需求,应用皮尔逊相关性分析法求解得到相关性最强的部分工位工艺参数,并以其作为后续优化对象。最后,以BP神经网络预测模型作为适应度函数,使用粒子群优化算法求解得到工艺参数的最优值。使用400台发动机的实际生产数据进行试验。试验结果显示,BP神经网络具有较准确的预测效果,结合粒子群优化算法得到了优化后的工艺参数值,显著降低了发动机的泄漏率,具有一定的指导意义。     

基于PSO算法的叶片粗铣工艺参数优化

为了降低航空发动机叶片粗铣时加工变形量,提高其加工效率,采用正交组合设计进行工艺参数分组,基于Deform平台完成叶片铣削加工模拟仿真,获取铣削力并找到工艺参数与叶片变形量之间变化规律。应用多元二次回归方法建立叶片变形量与工艺参数的相关性数字模型,对模型进行方差分析,检验与试验值的拟合度,并利用PSO算法求解最优工艺参数。结果表明：在其他条件保持不变情况下,通过PSO算法可获得加工变形量小和加工效率高的最优工艺参数。     

基于遗传算法优化BP神经网络的磨削力预测

为了克服传统BP神经网络的学习速率慢、容易陷入局部极小点等缺点,采用遗传算法对BP神经网络的初值空间进行遗传优化。用遗传算法来优化BP神经网络的权重和阈值,得到最佳的初始权值矩阵,并按误差前向反馈算法沿负梯度方向搜索进行网络学习的方法对磨削力进行预测。根据磨削力实验数据对网络进行训练,仿真结果表明该模型可以精确的描述砂轮速度、工件速度、磨削深度对磨削力的影响,并可以用有限的实验数据得出整个工作范围内磨削力的预测值。     

基于BP神经网络的磨削温度预测

磨削温度是评价磨削过程的一个重要指标,利用BP神经网络良好的非线性映射功能,以磨削用量(砂轮线速度、工作太速度和磨削深度)为输入,以磨削温度为输出,建立了磨削温度的BP神经网络预测模型。并通过仿真验证了模型的正确性,为磨削温度的预测提供了一个简单可行的方法。     

基于BP的NC凸轮轴磨床磨削参数优化软件设计

为提高凸轮轴的加工精度和表面质量、提高加工效率 ,针对开放式数控凸轮轴磨床 ,以实际的凸轮轴加工为例 ,运用BP神经网络对磨削参数和其各种影响因素进行建模。并利用面向对象的编程语言VC ,开发了基于BP神经网络的磨削参数选择模块。该程序具有良好操作性、扩展性和通用性     

基于BP神经网络的镗削加工工艺参数优选研究

用BP神经网络对镗削加工工艺参数正交试验的结果进行了分析处理，并再次优选各工艺参数，取得了较为理想的效果。     

基于PSO混合算法优化BP网络在钢轨磨损量预测中的应用

提出基于PSO混合算法对BP网络进行优化,改善了BP网络权阈值求解所面临的局部极值与收敛速度慢的问题.通过赫兹模拟试验方法,在JD-1轮轨模拟试验机上获得BP神经网络训练数据,运用基于PSO混合算法优化BP网络对钢轨磨损量进行拟合.结果表明:基于PSO混合算法优化BP网络对钢轨磨损量数据能够进行极好的拟合,为钢轨磨损量预测提供一种更有效的数据分析途径.     

基于鱼群BP神经网络的板料成形分块压边力优化

采用人工鱼群算法与BP神经网络相结合的方法建立了分块压边力与成形质量的映射关系。首先以分块压边力为设计变量,通过基于最大最小原则的拉丁超立方取样设计方法抽取了BP神经网络的训练样本,并将通过仿真软件获得的成形质量指标作为BP神经网络的训练输出;其次通过人工鱼群算法优化的BP神经网络建立了分块压边力与成形质量的映射关系;然后采用粒子群算法对该映射函数关系式进行优化,得到最优分块压边力;最后将该最优分块压边力成形效果与整体压边力成形效果进行对比,结果表明成形效果大大改善。研究表明,采用该方法可以快速计算最优分块压边力,克服了分块压边力计算困难的缺点。     

加工参数优化中自适应协同粒子群算法研究

针对加工参数优化过程中粒子群优化算法的优化效果受参数影响较大的问题,提出了自适应协同粒子群优化算法。对粒子群优化算法的参数对优化结果的影响进行了详细而深入的分析,在此基础上,给出了优化过程中惯性权重、学习因子、最大速度等参数的变化规律,并通过仿真的方法确定了最优参数的取值。最后通过对基准函数的仿真实验,验证了本文算法的正确性和有效性。     

基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化*

针对高强钢复杂件冲压后出现的扭曲回弹现象,运用有限元仿真软件DYNAFORM对复杂件的冲压、回弹过程进行数值模拟,提出了评价复杂件扭曲回弹程度的指标,并运用试验设计和小波神经网络代理模型方法对扭曲回弹进行了优化研究。以某弯曲梁为研究对象,以扭曲回弹为成形目标,通过正交试验设计筛选出对扭曲回弹影响较大的工艺参数作为影响因素。利用拉丁超立方对影响因素进行抽样,通过数值模拟获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用改进的粒子群算法对该模型迭代寻优获得最优参数。结果表明：采用优化后的工艺参数能有效地减小该弯曲梁的扭曲回弹,该方法为减小复杂件的扭曲回弹提供一种有益的指导。     

粒子群优化的神经网络在故障诊断中的应用

为提高齿轮箱故障诊断性能，建立了以齿轮箱振动信号的时频域特征为输入，以齿轮箱的主要故障形式为输出的神经网络。采用粒子群优化算法代替反向传播算法来训练神经网络的权重和阈值，利用训练后的神经网络对齿轮箱进行了故障诊断，并比较了基于粒子群优化算法与BP算法的诊断结果。结论是基于粒子群优化算法神经网络具有较好训练性能，收敛速度快，迭代步数少，诊断精度高，具有良好的故障识别率。     

基于正交试验-遗传神经网络的陶瓷球面精密磨削参数优化

针对陶瓷等难加工材料的精密加工要求与特点以及球面磨削传统加工模式,分析了氮化硅陶瓷材料球面廓形工件砂轮法向跟踪精密磨削的方法。采用正交试验法设计试验,运用极差法和方差法综合分析相关磨削工艺参数对工件加工质量与效率的影响规律。考虑到当前磨削加工工艺方案选择与优选的难点,利用遗传神经网络算法建立了工件加工质量与效率和相关磨削工艺参数之间的非线性映射关系,并基于正交试验法的分析结果对遗传神经网络算法进行了改进,实现了相关磨削工艺参数的优化,缩短了氮化硅陶瓷材料球面廓形工件数控磨削工艺制定与操作的时间,提高了磨削加工质量和效率。     

基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

基于粒子群优化神经网络的传动箱故障诊断方法研究

在研究粒子群优化神经网络训练算法的基础上,训练BP神经网络使网络的收敛速度大大提高,避免陷入局部最优解;根据振动实验室两级传动箱实测数据,分析研究信号以及提取信号特征值,应用训练后的BP神经网络诊断传动箱的故障,实验表明效果良好。     

基于粒子群算法的滑阀节流槽优化设计

基于Fluent流场仿真分析软件,在定压差条件下,对带有单U形、斜U形以及V形基本节流槽的滑阀阀口开度-流量特性开展了研究,并将其与试验结果进行了对比验证,得出了U形类槽口随着阀口开度的增加流量梯度减小、斜U形类槽口随着阀口开度的增加基本保持不变、V形类槽口随着阀口开度的增加流量梯度增大的结论。基于上述研究,利用粒子群优化算法,得到满足定压差条件下阀口开度-流量特性要求的节流槽优化尺寸,并通过实例验证了优化结果。     

基于PSO-RBF代理模型的板料成形本构参数反求优化研究

为了准确获取材料在复杂应力应变状态下的板料成形本构参数,提高板料成形有限元数值模拟的精度,提出了基于改进径向基函数代理模型的板料成形参数反求优化方法。将径向修正系数引入径向基函数（RBF）核函数中,利用粒子群算法（PSO）对径向修正系数进行优化,提高模型的预测精度。将PSO-RBF模型应用到一个非线性测试函数中,结果表明,PSO-RBF模型比RBF模型的预测精度提高很多;同时将PSO-RBF模型应用到板料成形本构参数反求中,代替有限元模型进行正问题计算,可节省计算成本和提高效率。结果表明,基于PSO-RBF模型反求优化得到的材料参数,能够更加准确地反映材料的流动趋势以及应变分布。