径向基函数神经网络在高速铣削表面粗糙度预测中的应用

应用RBF神经网络建立了高速铣削模具型腔时已加工表面粗糙度的预测模型,预测值与实测值非常接近,预测精度略高于回归模型的精度.利用该模型对高速铣削表面粗糙度进行了预报,并分析了工艺参数的影响规律,验证了模型对质量监测及工艺参数优化的可行性及实用性.结果表明,通过合理选择工艺参数,尤其在控制切削深度和切削宽度的情况下,可获得Ra0.3 μm以下的已加工表面粗糙度.     

径向基函数神经网络应用于反向工程曲面重构的研究

讨论了目前反向工程中曲面重构的方法 ,提出将径向基函数神经网络应用于自由曲面的拟合 ,并对该方法理论上的可行性和实践上的实用性进行了讨论和验证 ,证明了径向基函数神经网络应用于解决曲面拟合问题的可行性 ,为解决反向工程的技术关键———自由曲面重构提供了一个新的途径     

滚压加工工艺参数对粗糙度的影响分析

通过控制变量法,从实验的角度分析了滚压加工的主要工艺参数对滚压加工精度的影响,并从弹塑性力学的角度分析了加工机制。经过分析比较,指出在加工中过盈量对粗糙度的大小起着决定性作用。同时讨论了在过盈量一定时,进给量和滚压速度对粗糙度的影响。该研究为滚压加工的实际生产应用提供了有价值的参考。     

基于径向基函数神经网络的管道缺陷漏磁场分析

管道缺陷漏磁场的量化研究一直是个难题，提出了应用径向基函数（RBF）神经网络来对漏磁场插值计算和非线性逼近的必要性，建立了适合该问题的RBF网络模型，给出了学习算法，制作了常见的人工凹坑缺陷，并对其用该方法进行插值和漏磁场曲面重构。结果表明，该模型算法收敛速度快、自适应性强、所需数据量小、计算量少、拟和曲面效果好，能很好地反映缺陷漏磁场的分布，比其它插值方法更方便、有效，为管道缺陷检测量化提供了一种可行的方法。     

基于径向基函数神经网络控制的机械臂轨迹误差研究

当前,机械臂关节运动轨迹容易受到外界环境的干扰,导致运动轨迹不稳定,抖动现象特别严重,不能很好地满足轨迹跟踪任务的要求。对此,文中创建机械臂双关节运动简图模型,采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹。分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,引用李雅普诺夫函数对控制器的稳定性和收敛性进行了证明。结合具体实例,借助于Matlab软件对机械臂双关节的运动轨迹追踪误差进行仿真。同时,与模糊PID控制的仿真误差进行对比和分析。仿真曲线显示,机械臂关节采用RBF神经网络自适应控制方法,运动轨迹追踪所产生的误差较小,输入力矩的振动幅度相对较小。因此,机械臂关节末端采用RBF神经网络自适应控制器,可以降低运动轨迹的跟踪误差,改善振动现象。     

神经网络在曲轴滚压校直中的应用

曲轴在加工过程中容易出现变形,曲轴滚压校直技术在校直曲轴的同时,能够改进曲轴的性能,降低成本。本文通过BP神经网络建立了一个曲轴滚压校直专家系统,以解决曲轴滚压校直过程中校直力的求解。     

基于径向基函数近似模型的板料自由折弯成形回弹预测

为实现对钣材V形自由折弯的有效控制,首先建立了V形自由折弯卸载前上模下压量模型,并基于此理论模型在有限元分析软件ABAQUS中运用显示和隐式相结合的方法,对板材V形自由折弯成形与回弹过程进行有限元仿真。然后以板料回弹量为试验指标,以板料厚度、板料弹性模量、上模圆角半径和下模开口宽度为影响因子,每个影响因子取5个水平数,设计了正交试验。根据正交试验方案及结果,建立自由折弯板料成形回弹的径向基函数近似模型。通过仿真试验与实际折弯试验对模型进行了验证,回弹预测角度误差为±0. 8°,验证了方法的可行性,为下一步应用于自主研发的折弯机数控系统提供支持。     

金属外圆表面超声振动滚压加工技术的研究

通过对超声振动滚压加工机制的研究,分别设计了声振系统和刀具,并进行了滚压力、主轴转速、进给量、滚压次数等工艺参数对金属外圆表面滚压加工效果的研究,得到了最优加工工艺参数组合。     

豪克能技术在水电镜板加工中的应用

豪克能加工技术可使水电镜板的表面粗糙度达到0．1以下,并且与常规工艺相比节约研磨工时80％以上。操作简单,性能稳定。     

神经网络在超声-电火花复合加工参数预测中的应用

超声-电火花复合加工参数的选择及合理搭配对加工方法的应用、生产率的提高和工具电极的损耗都极其重要，是稳定高效加工进行的前提和保证。通过分析复合加工的主要影响因素，建立了基于BP人工神经网络的超声电火花加工工艺参数优化系统和相应的数据库系统。在给定条件下，系统得到的加工参数更加趋于合理，复合加工系统的总体性能得到提高，克服了传统单纯依赖于工艺数据库的参数选取系统的局限性。试验结果与预测结果有较好的一致性，表明了该系统可为超声电火花加工提供合理可靠的加工方案，系统更加便于用户操作。     

超声滚压工艺研究

超声滚压工艺是一项复合超声冲击强化和滚压于一体的表面强化工艺,其优点是既能得到足够的压力层深度,又能得到较低的表面粗糙度值。研究了不同加工参数对弧高和表面粗糙度的影响,结果表明:步距、静压力和路径规划对弧高和表面粗糙度有着显著的影响,且发现残余压应力分布对于滚压方向敏感,滚压方向的残余压应力比其垂向的残余压应力小。Inconel 718材料经超声滚压强化后的表面粗糙度值可降低至Ra0.1μm,压力层深度可达0.5 mm,且具有较好的热稳定性。     

基于BP和RBF神经网络的表面质量预测研究

目的 研究RBF和BP神经网络在铣削加工中的作用,实现对铣削加工质量的预测,改善铣削性能。方法 对环形铣刀与常用的球形铣刀进行对比,然后基于MATLAB平台,建立以铣削速度、进给量和铣削深度为输入参数,表面粗糙度为输出参数的RBF神经网络模型。通过大量的试验数据对RBF神经网络模型进行训练,然后再用训练好的RBF神经网络模型预测表面粗糙度,将预测值与实测值进行比较,验证RBF神经网络的预测性能。将训练好的BP神经网络模型与RBF神经网络所建模型的预测结果进行比较。结果 发现用RBF方法预测的表面粗糙度相对误差的绝对值不超过6%,最大误差为0.056 098,平均误差为0.022 277,而BP方法的最大误差为0.074 947,平均误差为0.036 578。结论 环形铣刀加工质量更好。RBF神经网络的预测精度较高,具有比BP神经网络更优的预测能力,且拥有建模时间短、收敛速度高、训练过程稳定以及学习速度快等优点,能有效进行铣削质量预测。     

基于人工神经网络的滚挤压加工表面质量的预测研究

针对滚挤压工艺参数难于选取、已加工表面质量难以控制的问题，采用增加动量项和学习率自适应调整的BP神经网络建立了滚挤压加工表面质量的预测模型，并以表面粗糙度的预测作为实例进行研究，试验结果表明该模型可用于滚挤压加工表面质量的预测。     

基于RBF网络的钢坯温度预报软测量模型研究

针对目前的测温技术难以用仪器直接测量出加热炉内被加热钢坯温度的问题,提出了通过RBF神经网络建立钢坯温度软测量预报模型,实现了钢坯温度准确及时预报,达到了减少燃料和钢坯表面氧化的目的.工业试验仿真研究表明,该钢坯温度预报模型精度高、自适应性好、鲁棒性强.     

滚挤压加工对颗粒增强金属基复合材料表面粗糙度的影响

将滚挤压加工工艺引入到颗粒增强铁基复合材料的精加工领域,得出了各工艺参数、增强相含量等因素对表面粗糙度的影响规律,分析了这种复合材料的滚挤压加工机理,并优化了工艺条件.     

基于粒子群算法的RBF神经网络齿轮磨损预测

针对机械设备磨损难以预测问题,提出RBF神经网络预测模型,并结合粒子群算法优化模型参数。利用变速箱型号为SG135-2系列的K727840ZW齿轮磨损实验输入-输出数据,通过基于粒子群算法的RBF神经网络建立输出预测模型,并与传统的AR模型、BP神经网络模型及Hermite神经网络模型预测作比较。仿真结果表明,基于粒子群算法的RBF神经网络模型结构简单、预测精度高,验证了所提方法的有效性和实用性。     

热辅助超声滚压温度场参数影响激光熔覆涂层表面粗糙度研究

目的 降低激光熔覆涂层的表面粗糙度。方法 采用激光熔覆技术制备铁基激光熔覆涂层,采用超声温滚压耦合热处理工艺对熔覆层进行熔覆后强化加工,重点研究温度场参数对成形表面粗糙度的影响,通过方差分析(ANOVA)确立参数显著性,同时利用响应曲面法(RSM)构建温度场参数影响铁基涂层表面粗糙度的预测模型,并进行参数优化。结果 加热温度和保温时间对成形试样表面粗糙度的影响显著。在实验参数范围内,试样的表面粗糙度与加热温度呈正相关,与保温时间呈负相关。实验结果表明,在相同保温时间下,在加热温度100、250、400 ℃条件下试样的表面粗糙度Ra分别为0.237、0.158、0.096 μm;在相同加热温度下,在保温时间为0.5、1、2 h条件下试样的表面粗糙度Ra分别为0.156、0.164、0.170 μm。可见与保温时间相比,加热温度对涂层表面粗糙度的影响更显著。参数优化分析结果表明,在实验参数范围内,在400 ℃加热温度和0.5 h保温时间条件下,试样具有最小的表面粗糙度Ra(0.089 μm)。结论 相较于车削及常温滚压工艺,采用超声温滚压耦合热处理工艺可进一步降低激光熔覆涂层的表面粗糙度,在实验参数范围内,加热温度400 ℃和保温时间0.5 h是最优的温度场参数组合。     

基于RBF神经网络的刀具磨损量的估测

简要介绍了电流监测方法以及RBF神经网络的结构和算法，并基于镗削过程中的一组实验数据，用RBF神经网络方法，对刀具磨损量进行估测，结果的误差分析证明该方法是可行的。     

超声滚压强化7075铝合金工件表面性能的研究

目的探究超声滚压强化技术对7075铝合金工件表面性能的影响。方法对7075铝合金棒状试样精车加工后进行了超声滚压强化处理。综合使用粗糙度测量仪、表面显微硬度仪、金相显微镜以及X射线衍射应力分析仪,研究了处理前后工艺参数中的压下量对试样的表面粗糙度、表面显微硬度、表面微观组织及表面残余应力等表面性能的影响。结果超声滚压强化处理后,试样表面粗糙度由0.976μm降低至0.047μm,表面显微硬度由105.6HV0.2提高至119HV0.2,显微硬度提高了15%。精车加工后,精车试样的表层组织与心部组织几乎无变化。超声滚压强化后,相对心部组织而言,表层晶粒组织得到显著细化,表层均为残余压应力,压应力深度为1.75 mm。残余压应力最大值位于最表层,最大为-174.0 MPa,且距离最表层越远,残余压应力总体呈减小趋势。结论通过对比研究精车试样与超声滚压试样,发现超声滚压强化工艺可以大大地降低试样表面粗糙度,显著地细化表层试样晶粒与提高表面硬度,改善残余应力的分布,并引入一定深度的残余压应力。