铝锂合金板材钣金折弯设计技术研究

对5A90国产铝锂合金材料的机械性能进行了描述,同时与其它铝合金材料的性能进行了比较,突出了该种材料的优越性;通过板材钣金折弯仿真分析和折弯试验,得出5A90铝锂合金板材钣金的钣金折弯力学特性。     

机器人钣金折弯系统仿真平台设计

现有钣金折弯加工机器人采用示教编程,针对其效率低、占用设备时间长的问题,对机器人钣金折弯系统仿真平台进行了设计与构建。基于对系统各组成单元的参数配置和局部坐标系定义,完成了参数化导入和定位,实现了系统仿真平台的环境构建;通过对钣金折弯任务状态下机器人操作末端位姿和任务目标位姿的数学模型分析,建立了机器人末端位姿和任务目标位姿的关系,生成了折弯操作时机器人末端的任务目标位姿;通过机器人运动仿真模块生成关节角度,选取试验钣金件对该平台进行了仿真试验。研究结果表明:该仿真平台能正确生成机器人执行不同钣金加工操作任务的目标位姿,并实现加工仿真,可为面向钣金折弯工艺的机器人离线编程系统研究提供借鉴。     

钣金零件全自动连续折弯工艺的研究

将智能制造应用于传统钣金零件折弯行业,对钣金零件全自动连续折弯工艺进行研究.在研究中,编排了工艺路线,确认了靠边距离,并通过三维仿真、尺寸设定、现场修正对折弯进行过程控制,同时给出了现场应用情况.采用钣金零件全自动连续折弯工艺,可以实现自动化、数字化、精细化生产和管理.     

一种钣金折弯过程抓取点轨迹计算方法的研究

提出一种钣金折弯过程中的机械臂末端抓取点空间轨迹的计算方法,利用钣金折弯过程中中性层长度不变特性,建立折弯过程的数学模型并计算得到抓取点空间位置坐标与钣金折弯参数之间的数学关系,通过Matlab计算得到其位置坐标与工进距离之间的函数图像,并通过Ansys对折弯过程进行仿真,对计算结果进行了对比与分析.验证了数学模型的正确性,为钣金折弯过程机械臂末端路径规划提供了理论依据.     

BP神经网络与广义RBF神经网络在产品寿命分布模型识别中的应用研究

通过分析BP神经网络和广义径向基神经网络(RBF神经网络)的基本结构和算法,建立了应用于机械产品的寿命分布类型智能识别的BP神经网络和RBF神经网络模型,通过仿真实验对比分析了BP神经网络和RBF神经网络识别效能。结果表明,RBF神经网络参数调整简单、训练时间短,且逼近能力与BP神经网络相当,但是推广能力较差;BP神经网络收敛缓慢、训练时间长,但推广能力较强,更适合分布参数变化范围大的寿命分布模型的识别。     

基于Elman神经网络半主动控制的磁流变起落架仿真分析

半主动控制起落架的被控对象是磁流变阻尼器,控制磁流变阻尼器输出阻尼力的大小。建立了被动式起落架的仿真模型、BP神经网络控制仿真模型以及Elman神经网络控制仿真模型。神经网络训练样本均由最优控制算法得到。BP神经网络控制、Elman神经网络控制和被动控制仿真模型进行对比,两种神经网络控制均起到了良好的控制作用,Elman神经网络的训练过程远远长于BP神经网络,但精度高于BP神经网络,Elman神经网络在复杂控制系统中比BP神经网络有较大优势。     

基于BP神经网络的球头铣刀铣削力建模与仿真

将BP神经网络的理论和算法应用于球头刀具铣削力建模的研究中.采用LM算法建立了铣削力预测的神经网络模型,模型中考虑了影响铣削力的加工参数,选取铣削力试验数据对神经网络模型进行训练,用训练好的神经网络模型对铣削力进行仿真.仿真结果表明,用BP神经网络方法建立的铣削力模型能够对铣削力进行准确的预测.     

基于径向基函数神经网络的发动机磨损预测分析

针对BP神经网络算法的不足,利用径向基函数(RBF)神经网络建立设备的磨损预测模型,对光谱分析数据进行实例仿真,并与BP网络模型进行对比研究.仿真结果表明,该模型预测精度高,训练时间短,大大优于BP神经网络模型.     

折弯机器人折弯随动路径规划与运动控制

为了提高改进型五自由度直角坐标机器人对数控折弯机折弯动作跟随的精确度和同步性,研究了一种基于折弯机滑块实时位置的折弯随动路径规划与运动控制技术。使用Matlab软件进行了折弯随动算法的仿真分析,获得了较好的理论路径。设计开发了折弯机位置采集模块,并采用固高运动控制器组建了机器人折弯随动控制系统。结果表明:该折弯机器人进行折弯随动控制的实际同步路径误差小于0.8 mm,具有较高的跟随精度、加工精度和一致性。     

基于BP及其优化神经网络的双电机多挡AMT挡位决策研究

针对传统BP神经网络挡位决策存在的不足,利用三参数换挡规律进行算法和参数优化,得到优化后的BP神经网络。以纯电动汽车双电机多挡AMT为对象,采集试验数据,构建优化前后的神经网络,进行训练和仿真分析。对训练过程的分析说明,优化后的神经网络具有更快的学习速度;对训练后相应模型的仿真分析说明,优化后的神经网络挡位决策模型具有更高的精度。经过优化后的参数可为相应的理论研究提供参考。     

基于IGES的钣金零件特征识别的方法研究

针对钣金设计软件数据模型的外部读取与特征识别问题,对钣金设计软件的数据共享、IGES文件结构以及零件特征分类进行了研究,提出了一种基于IGES曲面模型的后置处理方法,通过遍历IGES文件,获取了钣金零件的所有裁剪参数曲面信息,建立了以折弯面作为结点的双向链表的数据结构,根据IGES文件的数据特征,对钣金零件进行了特征分类,提取了钣金折弯特征并建立了特征间的依赖关系。利用Pro/E软件绘制的钣金零件对特征识别方法进行了测试。研究结果表明,该方法能够准确地获取钣金的特征,为钣金零件折弯仿真与工序规划提供了可靠的特征数据,使得产品开发周期缩短了近30%,最终实现了钣金加工的精确性与高效性。     

基于粗糙集和ANN的模拟电路故障诊断研究

针对传统故障字典法需要精确先验知识且不适合大规模故障诊断的缺点,提出了一种基于粗糙集和BP神经网络的模拟电路故障诊断新方法。首先进行样本数据采集和预处理,并使用定义的粗糙集差别矩阵算法矩阵法对数据进行属性简约,删除冗余信息,得到简约后的特征向量。然后,将简约后的特征向量作为BP神经网络的输入进行训练,最后,将训练好的BP神经网络模型用于故障诊断。仿真实验表明,文中的基于粗糙集属性简约和BP神经网络训练的故障诊断模型,具有较小的训练误差和较高的诊断精度。     

基于PCA与BP神经网络的滚动轴承故障诊断

为了提高滚动轴承故障诊断效果,提出主成分分析结合BP神经网络的方法。简要介绍主成分分析法将轴承振动信号时域与频域的特征数据降维处理以及BP神经网络训练过程的原理。利用主成分分析与BP神经网络模型对凯斯西储大学轴承数据进行训练,将滚动轴承的状态类型作为网络输出结果。经过600组训练数据以及145组测试数据的仿真,结果表明主成分分析与BP网络模型比BP神经网络的训练误差精度相对提升了31.14%,测试误差精度相对提升了29.86%。     

钣金折弯件快速展开工艺分析

钣金件快速正确的展开直接决定着钣金加工的效率、加工精度和加工成本。本文通过对钣金件尺寸链的分析,推导出了零件展开尺寸长度与折弯补偿系数之间的关系。通过对不同材料的折弯加工的试验分析,得出适合钣金加工的折弯补偿系数表,并利用折弯补偿系数表中的、数值应用于适合折弯件的快速展开过程中,从而实现钣金折弯件的精密、快速展开加工。     

钣金展开计算方法研究及应用

针对钣金展开计算情况,分别对钣金中性层展开计算、板料扣除计算、可视化窗口计算以及Creo自动展开计算进行研究,将四者相融合,结合钣金中性层展开和板料扣除计算出钣金折弯Y因子,得出精确的钣金展开计算方法,再通过设置折弯特征Y因子和重新定义钣金折弯表,利用Creo软件进行自动展开。其计算结果精确,过程简单便捷,效率较高,在实际生产过程中有较好的应用。     

机器人钣金折弯路径规划与仿真研究

针对钣金折弯机器人示教编程过程烦琐、效率低的问题,提出一种基于 Coin3D 的折弯机器人运动仿真系统方案。基于 Coin3D 虚拟场景技术,为折弯单元各组件建模,完成折弯单元加工环境的参数化配置和导入,实现仿真环境构建。为适应钣金工件随折弯加工逐步变形的特点,设计了对应的双向链式数据模型;分析了折弯机器人典型操作任务目标位姿的确定方法,并在此基础上参考人工示教经验,提出折弯机器人路径规划方法,实现了折弯机器人折弯加工的运动仿真。仿真实验验证了仿真系统和相关模型与方法的正确性,为折弯机器人离线编程系统研发奠定了基础。     

基于遗传算法优化的BP神经网络在粗糙度预测上的应用

针对BP神经网络预测工件表面粗糙度精度不高的问题,提出了一种基于遗传算法优化的BP神经网络预测方法。首先用遗传算法对BP神经网络的初始权值、阈值进行全局寻优,然后对优化的BP神经网络进行训练、预测。通过MATLAB进行了粗糙度预测仿真验证。结果表明:优化的BP神经网络比未优化的BP神经网络具有更高的预测精度。     

基于BP和RBF神经网络的滚动轴承故障诊断比较

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。     

基于 ELM 算法的柔性 FBG 形状重构末端分析

为了提高光纤光栅(FBG)柔性结构采用正交曲率三维重构方法的末端精度,通过神经网络将重构后的曲率末端坐标与实际空间坐标建立映射关系。首先利用COMSOL仿真软件对聚氨酯胶棒建立模型,将两根光纤光栅串共8支光栅正交排布,采用递推角算法建立动态坐标系进行三维重构。对重构的末端点坐标利用误差逆传播(BP)神经网络算法与极限学习机(ELM)神经网络算法进行训练检测,结果表明,BP神经网络和ELM神经网络训练平均误差分别为0.443 6和0.008 2。最后搭建实验平台,对聚氨酯胶棒在受力情况下进行形状重构,并代入ELM模型中进行训练,训练结果相关系数R²=0.985 8,均方根误差(RMSE)为1.363 0,相较于BP神经网络方法有效提高了形状重构的末端坐标精度。     

钣金零件侧向折弯模具设计与成形仿真

论述了钣金零件侧向折弯成形的模具结构设计和侧向折弯的成形仿真研究,并以微波炉面板零件为例进行了工艺分析、回弹模拟和模具结构设计.