共查询到20条相似文献,搜索用时 109 毫秒
1.
压力容器无损检测--声发射检测技术 总被引:18,自引:0,他引:18
声发射技术是20世纪60年代开始,目前逐步成熟的一种无损检测方法,已被广泛应用在压力容器检测和结构的完整性评价方面。文中简要介绍了国内外压力容器声发射检测的发展史和现状。给出了压力容器用钢的声发射特性和压力容器声发射检测方法,综合分析了国内外压力容器声发射检测的标准、仪器和应用进展。最后指出了压力容器声发射检测的发展方向,即在线监测、声发射信号的模式识别和人工神经网络模式识别分析。 相似文献
2.
3.
4.
5.
胶接结构的声发射检测 总被引:1,自引:0,他引:1
应用声发射检测技术研究金属铝单搭接胶接结构的缺陷检测和强度估计问题。研究结果表明,声发射检测技术和超声检测技术相比,其胶接缺陷识别准确率较高,胶接强度估计精度相差甚微。研究结果为在低应力条件下应用声发射技术检测胶接结构缺陷和预测胶接结构强度提供依据。 相似文献
6.
声发射检测技术在中国——庆祝中国机械工程学会无损检测分会成立三十周年 总被引:1,自引:0,他引:1
声发射检测技术是一种动态无损检测技术,具有广泛的应用前景。介绍了我国声发射检测技术的发展历程、相关标准、人员培训、仪器和软件的发展概况。综述了我国声发射检测技术在压力容器、常压储罐、压力管道和阀门、转动机械、机械加工、航空航天、大型水坝、大型变压器、复合材料、木质材料和岩石等方面的研究与应用现状。此外还介绍了我国声发射专业委员会组织全国声发射学术会议和仪器展示等活动的情况。 相似文献
7.
采场冒顶灾害的声发射预报技术 总被引:10,自引:0,他引:10
简要介绍了用于监测岩体稳定性的声发射源定位系统SDL-I和便携式声射智能监测仪DYF-1,这些仪器能获取一个声发射事件所包含的尽量多的信息,基于这些信息开发了一种有效可靠的预测冒顶技术。该技术利用多个声发射参数(AE事件率、AE能量和m值)评价声发射活动,在这些参数的监测数据基础上应用灰色系统理论预测将来的声发射,预测值通过训练好的冒顶模式识别,由人工神经网络模型输出对应的顶模式(较大规模的顶板塌 相似文献
8.
9.
10.
11.
主要介绍了神经网络在熔炼设备生产中进行智能管理和控制,这有利于保证生产的安全和熔炼的质量;应用神经网络能够准确预测型砂主要组分、快速检测铸铁化学成分和分析铸件的性能与缺陷等;神经网络在铸件疲劳损伤过程的仿真和寿命估算以及石墨形态的识别与自动分类等方面的应用也有良好效果. 相似文献
12.
13.
人工神经网络及其在铸造工业中的应用 总被引:4,自引:0,他引:4
近年来,国内外掀起了人工神经网络研究的新热潮。本文简要介绍了人工神经网络的特点、理论和应用研究以及它在铸造工业中的应用与研究价值。 相似文献
14.
基于BP神经网络的板料折弯件下料尺寸的计算方法 总被引:1,自引:0,他引:1
在板料成形工艺中 ,弯曲成形是一种主要的工艺方法。而板料下料尺寸将直接影响到零件的成形精度以及后续工序的成败。针对工厂积累的大量生产和实验数据 ,提出一种基于人工神经网络计算弯曲件板料展开长度的方法。在概述解析法确定板料展开长度的基础上 ,建立了计算展开长度的人工神经网络模型。以板料厚度、成形半径及成形角度作为输入参数 ,中性层位移系数作为输出参数 ,用已积累的大量数据作为训练样本 ,对神经网络进行训练 ,得到这些参数和中性层位移系数的隐性规律 ,实现了弯曲成形板料展开长度的快速计算。实验结果表明 ,利用人工神经网络能够快速准确地计算出板料展开长度。 相似文献
15.
以油箱端盖作为分析对象,借助DYNAFORM仿真软件,对油箱端盖的拉深成形过程进行数值模拟,并通过拉深成形试验验证可知,板料最大减薄率与最大增厚率的试验值与模拟值之间的相对误差分别为9.26%与8.32%,验证了有限元模型的正确性。结合正交试验,进行有限元仿真试验的设计,基于BP人工神经网络,对板料的成形质量进行仿真预测。选择冲压速度、模具间隙以及压边力作为输入层,将板料成形的最大减薄率作为输出层,建立了3-11-1的3层BP人工神经网络。通过BP人工神经网络的训练与测试得知:BP人工神经网络仿真预测值与数值模拟值之间的相对误差为2.15%,验证了BP人工神经网络应用于油箱端盖拉深成形质量仿真预测的正确性。 相似文献
16.
《Science & Technology of Welding & Joining》2013,18(4):195-200
AbstractAn artificial neural network approach for the modelling of plasma arc cutting processes is introduced. Neural network models have been proposed for predicting the cut shape and estimating the special cutting variables. The implementation of artificial neural networks in the modelling of cutting processes is discussed in detail. The performance of the neural networks in modelling is presented and evaluated using actual cutting data. Moreover, prediction applications of the above neural network models are described for various cutting conditions. It is shown that estimated results based on the proposed models agree well with experimental data; the neural network models yield good prediction results over the entire range of cutting process parameters spanned by the training data. The testing and prediction results show the effectiveness and satisfactory prediction accuracy of the artificial neural network modelling. The developed models are applicable to carbon steel. 相似文献
17.
神经网络在覆盖件模具表面激光硬化虚拟过程中的应用 总被引:3,自引:0,他引:3
基于人工神经网络技术对覆盖件模具表面激光硬化虚拟过程的仿真建模,结合几何因素分析了模型的主要影响参数,对BP网络的结构和训练进行了说明。预测了激光表面硬化的加工效果(表面硬度、硬化层深、相对耐磨性和表面粗糙度),实现激光加工工艺参数的优化,为实际生产和加工提供了依据。并以C语言为开发语言,利于实现各平台间的集成。 相似文献
18.
采用人工神经网络的智能优化方法对电火花线切割加工工艺参数进行优化,将优化后的参数用于实际加工,将加工结果与传统的非线性回归模型和人工神经网络模型的预测值进行比较,发现人工神经网络模型预测效果较好. 相似文献
19.