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神经网络的立铣加工振动快速预估

结合研制的立铣加工过程虚拟仿真系统和实验测量铣削力信号,训练并建立BP神经网络模型,快速实现铣削过程刀具-工件系统振动状态的预估.预估的振动结果与实验测量数据较为吻合,表明铣削虚拟仿真系统与神经网络技术的结合能够高效低耗地用于不同铣削加工条件下铣削振动状态的快速预估和加工过程监测.     

基于BP神经网络的飞机使用决策研究

为了解决机群用户在执行任务飞机选择上的随意性问题,提高飞机使用决策的科学性,在分析影响飞机使用决策多种因素的基础上,构建了飞机堪用度评价体系,设计了评估堪用度的BP神经网络,并运用实例验证了方法的有效性。MATLAB软件的仿真结果表明,BP神经网络适用于解决飞机使用决策的评估问题。     

基于BP神经网络的蓝宝石柱加工时间预测模型

针对蓝宝石难加工问题,采用数控精雕机床加工蓝宝石柱,在加工工艺参数正交实验的基础上,应用BP神经网络,建立数控磨削加工时间预测模型,并通过仿真验证了预测效果,确定了优化的加工时间为最优参数.     

基于BP网络的变压器故障诊断研究

电力变压器是电力系统中最重要的设备,为了确保电力系统的安全性和可靠性,需要对变压器进行故障诊断,以使变压器能够正常运行。结合BP神经网络建立了变压器故障诊断模型,通过一系列仿真确定了5-12-5的网络模型;训练了该网络模型,将训练后的模型用于变压器的故障诊断。由诊断结果看出,该模型具有较高的收敛度和故障诊断准确度。     

基于 BP神经网络的汽车内阻模型预测

分析了利用BP神经网络方法改进传统滑行法测量车辆内阻的可行性,并通过Matlab软件中的神经网络工具箱nntool实现了该网络的设计、训练和结果对比,表明利用BP神经网络的方法预测不同条件下车辆内阻是满足工程要求的。     

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。     

直插齿加工过程的仿真与实时跟踪

基于直齿圆柱齿轮的范成加工原理提出了一种新的具有视觉效果的加工过程仿真与实时跟踪算法,并在华中“世纪星”数控系统上实现。     

基于BP神经网络和有限元分析的深穴圆柱滚子的优化设计

针对直素线圆柱滚子轴承在工作中滚子端部出现应力集中,降低轴承接触疲劳寿命的问题,采用了深穴圆柱滚子。结构合理的深穴圆柱滚子轴承可以有效改善普通直素线滚子轴承受载后滚子两端的边缘应力集中现象。采用ABAQUS有限元分析软件对深穴圆柱滚子轴承进行了三维接触有限元分析,应用BP神经网络对滚子深穴结构进行了优化,优化后滚子两端部位的边缘应力集中明显减小,轴承的接触疲劳寿命和承载能力得到提高。     

基于BP神经网络的钢球表面缺陷识别

采用灰度共生矩阵为基础的纹理特征计算方法,对钢球表面图像进行特征参数提取,应用基于BP神经网络的图像特征模式识别方法,实现了对钢球表面不同种类缺陷的准确识别,实验结果表明,该方法能够对钢球表面缺陷进行有效地分类识别。     

基于BP神经网络的切削表面粗糙度预测方法

利用神经网络理论,提出一种利用BP神经网络预测切削表面粗糙度的方法。简单分析了粗糙度的影响因素及预测原理。介绍了BP神经网络的特点、原理、算法和公式。在对Matlab及其神经网络工具箱简要介绍的基础上,采用BP网络的方法对钢Q235材料粗糙度进行了训练、预测和分析。结果表明,该方法的预测误差小于3%。     

用BP神经网络预测数控铣削变形

铣削变形问题一直是影响薄壁件加工精度的瓶颈问题。由于引起铣削变形的因素较多以及铣削过程本身的复杂性,使得铣削参数与变形量之间的关系很难用准确的解析式来表示。因此借助神经网络的非线性映射能力,建立了变形量与铣削参数之间的非线性映射模型。结果显示:所建立的神经网络模型具有较高的精度和良好的泛化能力。该研究为进一步的铣削参数优化提供了保障。     

圆柱凸轮数控加工工艺技术研究

阐述了圆柱凸轮数控加工工艺的技术方法，重点对圆柱凸轮的加工方法、装夹、工艺路线的制定、加工参数选择、机床反向间隙补偿、圆柱凸轮廓面检测等工艺环节进行了分析研究，并在DMU70V加工中心上完成了圆柱凸轮的数控加工，提高了圆柱凸轮的加工品质。     

面向网络的数控加工表面质量预测系统的实现

以Java和VRML技术及其接口技术为网络环境的实现工具,实现了一种面向网络应用的数控加工表面质量预测系统,该系统具有成本低、效率高、普及性高等特点。最后对该系统的可靠性进行了评估。     

基于FANUC宏程序的圆柱型腔加工指令开发

阐述了利用FANUC数控系统宏程序开发出加工任意直径和深度圆柱型腔的循环指令。该指令用于实际生产中,能简化圆柱型腔加工程序,减少编程工作量,提高了生产效率。