模糊神经网络在焊接中的应用

本文综述了国内外关于模糊神经网络在焊接过程控制、性能预测和缺陷检测等方面的应用现状。通过将模糊推理系统与神经网络技术结合起来,可以实现对焊接过程实时控制,建立焊接缺陷智能检测系统,提高焊接技术智能化水平。最后简要介绍了模糊神经网络在焊接中应用的发展趋势。     

两种预测焊接接头力学性能的模糊神经网络

针对焊接过程的高度非线性、多种因素的交互作用复杂,难以预测焊后接头力学性能.以TC4钛合金TIG为基础,建立了自适应模糊神经网络（ANFIS）和模糊RBF神经网络（FRBFNN）焊接接头力学性能预测模型.以焊接工艺参数、接头力学性能作为预测模型的输入、输出参数.利用27组试验数据对模型进行训练,用另外6组试验数据进行仿...     

广义动态模糊神经网络焊接接头力学性能预测

建立广义动态模糊神经网络模型,用来预测焊接接头力学性能. 模型结构不再是建模时预设,而是在对逐个样本的学习过程中动态自适应调整. 引入椭圆基函数扩大函数的接收域,利用系统误差和模糊规则ε完备性作为模糊规则增加的依据,并将模糊规则ε完备性作为径向基单元的宽度确定准则. 以误差减少率评价模糊规则的重要性,并以此为依据对模型的模糊规则进行修剪. 采用三种不同厚度、不同工艺TC4钛合金TIG焊接试验,获得17组训练样本和5组仿真样本数据,建模并仿真. 结果表明,该模型能够对焊接接头力学性能进行较为准确的预测.     

基于自适应模糊神经网络焊接接头力学性能预测

通过对TC4钛合金进行TIG焊,并测定接头的抗拉强度、抗弯强度和断后伸长率,获得网络仿真所需的数据.结合使用BP算法与最小二乘相结合的混合算法,建立了用于焊接接头力学性能预测的自适应模糊神经网络模型.利用该模型进行仿真,其平均误差远小于7%.结果表明,该模型可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和断后伸长率等力学性能进行较为准确的预测,并且具有建模快、模型简单、预测速度快、预测精度高,泛化能力强的优点,从而为焊接接头力学性能预测提供了一条有效的途径.     

低银合金焊接性能的神经网络预测

以Bi、Co、RE和P含量为输入层参数;以熔点、铺展面积、抗拉强度和伸长率为输出层参数,进行低银合金Sn-0.3Ag-0.7Cu焊接性能的神经网络预测,并进行了试验验证和对比分析.结果表明,该神经网络的预测精度较高,其预测的低银合金最佳配比为Sn-0.3Ag-0.7Cu-1.6Bi-0.7Co-0.05RE-0.04P,其焊接性能的试验数据也与主流高银合金Sn-3Ag-0.5Cu相当,具有较大的工程应用价值.     

利用模糊神经网络技术预测焊接接头力学性能

探讨一种自适应模糊神经网络(adaptive fuzzy neural networks,ANFIS)预测焊接接头力学性能的方法.通过测定TC4钛合金TIG焊接头的抗拉强度、抗弯强度和延伸率,结合焊接工艺参数建立了用于焊接接头力学性能预测的自适应模糊神经网络模型.利用该模型,并使用BP算法和BP算法与最小二乘相结合的混合算法,采用不同的输入变量隶属度函数、模糊子集数、迭代次数,对焊接接头力学性能进行了ANFIS仿真.结果表明,当采用混合算法,且模糊子集数为3时,网络训练和预测结果平均误差均远小于7%.能够满足实际生产的要求.使用MATLAB和Visuall C 混合编程开发了基于ANFIS焊接接头力学性能预测软件,可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和延伸率等力学性能进行较为准确地预测,为焊接接头的质量预测与控制提供了一条简捷、有效的新途径.     

模糊神经网络在冲天炉铁液质量预测中的应用

将模糊神经网络用于冲天炉铁液质量预测,构造了一个5层前馈网络,利用27组实验数据对网络进行训练,并对4组未知样本进行预测.结果表明,与目前所用热分析法相比,该网络模型在处理铁液质量这类在一定程度上具有不确定性的多变量非线性对象方面,能够消除建立模型时人为限定,提高预测精度;有效处理模糊信息,而且具有较强的学习能力,适应能力和泛化能力.     

基于神经网络方法的焊接接头力学性能预测

针对焊接过程严重非线性和焊材中多种成分的复杂交互作用使得对接头力学性能的准确估算十分困难的实际问题,论述了神经网络技术在焊接接头力学性能预测方面的应用。研究了神经网络建模方法,提出采用均匀设计法优化设计神经网络参数,在四类17种钢材的焊接热模拟数据基础上,建立了预测焊接接头力学性能的神经网络模型。试验表明该模型可根据钢材成分和焊接规范对焊接接头及其热影响区的冲击韧度、抗拉强度、屈服强度、断面收缩率和硬度等力学性能进行较为准确的估算。试验表明,该预测方法较之传统统计方法,预测精度有了大幅度提高,为实现焊接接头力学性能预测提供了一条有效的途径。     

模糊神经网络预测压铸工艺参数

给出模糊神经网络系统模型，利用该模糊神经网络预测压铸工艺设计过程中的某些参数，可以较好地解决压铸工艺设计与生产过程中的复杂性、动态性及不确定性问题，从而设计出合理的工艺，保证压铸件的质量。     

模糊神经网络预测钢件热处理后力学性能

综合应用模糊数学和神经网络的知识构造了一个模糊神经网络模型。根据零件的淬火温度、淬火介质、回火温度、回火时间等参数，用该模糊神经网络预测为钢件热处理工艺制定提供了一个新的辅助手段。     

BP神经网络及其在焊接中的应用

介绍了BP（Back Propagation)神经网络在焊接中的广泛应用，综述了其在焊接领域，如焊接接头质量预测与监控、焊接工艺参数设计、焊缝成形控制、焊缝跟踪以及焊接缺陷的检测等方面的应用现状，同时展望了神经网络在焊接中的应用趋势。     

模糊神经网络预测钢件热处理后力学性能

综合应用模糊数学和神经网络的知识构造了一个模糊神经网络模型。根据零件的淬火温度、淬火介质、回火温度、回火时间等参数，用该模糊神经网络预测钢件淬火和回火后的力学性能。预测结果表明，该方法速度快，结果较准确，为制定钢件热处理工艺提供了一个新的辅助手段。     

模糊逻辑和神经网络在传动领域中的应用

本文首先分析了人工智能技术中的模糊逻辑和神经网络各自的原理方法及应用，它们的应用已遍及工业制造、家电生产、电力系统等部门和领域，最后简单介绍了模糊神经网络的特点和发展。     

找矿预测中神经网络与模糊聚类的联合应用

采用神经网络与模糊模式识别相结合以及有监督的学习与无监督的学习相结合的方式,进行了金属矿的找矿预测,实践效果很好,并提出可用各自预测的矿集合求其并集的办法,确定最终的矿集合。     

基于模糊神经网络的冷连轧机轧制力预测

建立了一种基于数学模型和模糊神经网络共同作用的冷连轧机轧制力预测模型,通过数学模型描述轧制接触面积,模糊网络预测轧制单位压力.提出将Hough变换应用于神经网络的参数确定,从而使最终设计的网络具有最佳结构参数.试验研究证明了所设计模型具有较强的泛化能力和鲁棒性,大大提高了轧制力的预报精度.     

计算机技术在焊接质量预测中的应用

随着计算机技术的飞速发展,利用计算机对焊接质量进行焊前预测已成为现实.文中阐述了对焊接质量有极大影响的焊接变形、残余应力、焊接接头组织性能、焊接裂纹的各种预测方法的应用和发展.     

基于模糊RBF神经网络的选域激光烧结尺寸精度预测建模

摘要：将减法聚类与伪逆法相结合建立了模糊RBF（Radial Basis Functionneural network,径向基神经网络）模型。通过正交试验,获得不同激光功率、扫描速度、预热温度和切片厚度参数条件下SLS试件的尺寸误差,在此基础上获得训练与预测样本数据,并对该模型进行仿真。结果显示预测平均总误差为2．16％,表明该模型具有建模快、模型简单、训练速度快、预测精度高,泛化能力强的优点,可根据不同烧结工艺参数对SLS制件尺寸精度进行较准确地预测,以便指导实际生产。     

基于高斯基模糊神经网络的移动焊接机器人焊缝实时跟踪

对所研制的焊接移动机器人建立了运动学模型并设计了基于高斯基模糊神经网络的焊缝跟踪控制器.采用Denavit-Hartenberg(D-H)齐次坐标变换法分析了机器人本体和滑块对焊炬点位姿的运动学行为,建立了较为完整地运动学模型.在此基础上.提出了采用高斯基模糊神经网络实现焊缝实时跟踪的方法.采用高斯函数作为隶属函数,以滑块位置和小车方位角作为输入,焊炬的转向调整角作为输出,利用神经网络的自学习和自适应能力,实现模糊隶属函数和控制规则的在线修改.焊缝跟踪试验验证了所设计控制器的有效性,其跟踪精度可始终控制在±0.5 mm以内,满足实际焊接工程的需要.     

灰铸铁强度自适应模糊神经网络预测

以高碳当量灰铸铁组织 强度实验数据为基础 ,用自适应模糊推理方法 ,建立了灰铸铁强度自适应模糊神经网络预测模型 ,与多元线性回归、模糊回归和广义回归神经网络模型相比 ,该模型学习精度高且具有较好的泛化性     

模糊神经网络滑模控制在轧机中的应用

针对液压轧机不确定的压下液压伺服系统的跟踪控制问题,设计了一种基于神经网络的滑模控制器.仿真与试验结果表明,该控制器使系统有较强的动态特性和稳态特性,并提高了系统的鲁棒性和跟踪性能.