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＆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。     

利用三轴铣加工中心加工两轴线相交外圆上的凸台

某型号发动机后封头零件为两轴线相交回转体，该零件对丽相交轴线角度和零件各高度尺寸要求高。其外形如图1所示：在回转体外圆面上有凹凸型面，由于外厕轴线相交，加工凹型面时存在加工过切干涉，因此该面加工时，除设备的X、Y、Z轴联动外，还需有A、B两角度轴变换，通常工艺方法使用五轴联动（或具有五轴）设备进行加工。     

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。     

CA6140杠杆加工工艺分析

CA6140杠杆零件起支承、固定作用的,其主要加工面是平面及孔;遵循先面后孔的加工原则,以杠杆Φ45 mm外圆面作为粗基准,以Φ25 mm孔及其下表面作为精基准,确定了工艺路线,每一道工序又分为粗加工和精加工工步,确定各工步的加工余量,保证加工精度;选用组合机床和专用及组合夹具以实现零件的加工工艺过程,为后续工艺过程的实施提供理论依据。     

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。     

圆柱面过盈连接的力学特性及设计方法

传统的圆柱面过盈连接设计将结合直径、结合宽度等因素视为定量,并且忽略边缘效应所引起的应力集中。为解决此问题,更好地研究圆柱面过盈连接的力学特性,寻求更合理的设计方法,结合有限元法和BP神经网络各自的优势,以ABAQUS为工具分析圆柱面过盈连接接触面的应力特性及结合直径、结合宽度、包容件外径及过盈量等因素对它的影响,将通过分析得到的大量接触边缘最大应力作为神经网络的训练样本,建立接触边缘最大应力的BP神经网络模型。将接触面应力的各种影响因素视为可调变量,结合接触边缘最大应力的BP神经网络模型,提出一种以接触边缘最大应力为优化目标的圆柱面过盈连接设计的BP神经网络动态调整算法。通过实例分析,表明该算法比传统的设计方法更为合理。     

遗传神经网络法在风机故障诊断中的应用

本文在神经网络训练过程中,加入一个局部极小判别式,以确定网络是否陷入局部极小点,若陷入局部极小点,则利用遗传算法进行权值修正。以鼓风机常见故障为例,应用本文提出的遗传神经网络算法对其进行了故障诊断分析,从而证明了该算法的有效性。     

基于BP神经网络的齿轮约束性设计研究

针对变速传动工况对齿轮设计的要求,提出了针对不同约束性要求的齿轮设计知识约束驱动检索方法,并采用BP神经网络实现了对该方法的具体执行过程,分6种不同情况完成了对齿轮约束性设计的求解分析。研究过程以变速传动装置的运动传递功能实现为对象,讨论了BP网络的构造和训练样本的建设。研究结果表明,基于BP神经网络的齿轮约束性设计能够较为快速和准确地获得特定约束条件下的齿轮设计方案或者选型,提出神经网络BP算法能够实现约束与知识之间复杂、非线性映射关系。     

A hybrid model using genetic algorithm and neural network for process parameters optimization in NC camshaft grinding

Camshaft grinding is more complex comparing with the ordinary cylindrical grinding. Since its quality is mostly influenced by more factors, how to select process parameters quickly and accurately becomes the key to improve its quality and processing efficiency. In this paper, a hybrid artificial neural network (ANN) and genetic algorithm (GA) model is proposed to optimize the process parameters. In this method, a BP neural network model is developed to map the complex nonlinear relationship between process parameters and processing requirements, and a GA is used in order to improve the accuracy and speed based on the ANN model. The results show that the hybrid ANN/GA model is an effective tool for the process parameters optimization in NC camshaft grinding.     

基于最小二乘支持向量机的外圆磨削表面粗糙度预测系统

为解决磨削加工中影响因素多,难以实现自动化加工的困难,对磨削系统的表面粗糙度预测系统进行了研究。在分析目前常用预测方法的基础上,建立了基于最小二乘支持向量机的外圆纵向磨削表面粗糙度预测模型。该模型采用等式约束,把原来求解一个二次规划问题转化成求解一个线性方程组,方法简单且有效。比较实验显示,该方法响应时间快、测量精度高,测量精度误差比BP神经网络预测方法小4%,比进化神经网络(BP+GA)预测方法小1.3%,所提供的预测方法可以实现对工件表面粗糙度的在线预测。将其应用于外圆纵向磨削智能系统中,实时计算预测值与给定粗糙度的差值,引导磨削专家系统修正磨削参数,实现智能控制,取得了较好的效果。     

基于三维信息能量优化曲面造型与BP网络的IC图像噪声类型反求技术研究

IC芯片制造对受噪声污染的数字图像恢复技术要求不断提高。提出了基于三维信息能量优化曲面造型与BP网络的IC图像噪声类型反求技术,通过噪声图像空间矢量的推导,实现图像噪声点的空间曲面造型,并建立BP网络对于噪声空间曲面造型的数学特征进行识别,达到对图像噪声类型进行类型反求的目的。     

基于改进自适应模糊推理系统的YG3硬质合金精密外圆磨削表面质量预测

为提高硬质合金材料精密外圆磨削的表面完整性和加工质量,研究其表面质量的预测技术,建立了基于自适应模糊推理系统(ANFIS)的YG3硬质合金精密外圆磨削表面粗糙度预测模型,并引入混合田口遗传算法(HTGA)对预测模型进行了改进。采用工艺试验中所用的磨削参数及相应条件下测得的表面粗糙度数据作为训练样本和测试样本,通过对BP神经网络模型、传统ANFIS预测模型及改进ANFIS预测模型的预测结果进行对比分析,对三种模型的有效性和预测精度进行了验证。结果表明,所提出的改进ANFIS预测模型从预测值相对误差Er的分布及均方根相对误差EMSRE的大小来看,均优于其他两种预测模型,预测精度较高,是一种有效的表面质量预测方法。      

圆柱面定位误差计算新方法

圆柱面定位是广为采用的一种典型定位方式，其精度分析对于评价定位方案优劣，保证工件加工精度具有十分重要的意义。本文在认真分析传统计算方法的基础上，提出圆柱面定位时定位误差的统一解析表达计算公式，避免了因极限位置判断失误所造成的计算错误，大大简化了计算过程，经实例验证，该方法准确、高效。