不饱和聚酯玻璃钢人工加速老化研究

通过氙灯和热氧人工加速老化研究了191#不饱和聚酯玻璃钢老化后力学性能的变化规律,并对玻璃钢表面形貌和失光率进行了表征。结果表明：氙灯老化后,弯曲强度随老化时间增加先增大后减小,而层间剪切强度则呈下降趋势,老化1800h后弯曲和剪切强度的保持率分别为92％和53％。玻璃钢表面失光率大,有明显的裂纹产生。70％热氧老化,表面形貌保持完好,树脂的后固化和物理老化效应导致玻璃钢的力学强度明显增大,3600h后弯曲和剪切强度增大到老化前强度的107％和150％。光和热的联合作用是玻璃钢表面和界面老化破坏的主要因素。玻璃钢具有较好的耐热氧老化性能。     

玻璃钢复合材料耐海水腐蚀性能及抗Cl~-渗透寿命预测

采用70℃、3.5%(质量分数)的海盐溶液对不饱和聚酯玻璃钢及环氧乙烯基酯玻璃钢进行加速老化实验,研究了玻璃钢的耐海水腐蚀性能,并对2 mm厚的玻璃钢防护层的抗Cl~-渗透寿命进行了预测。结果表明:不饱和聚酯玻璃钢在海水中容易发生水解腐蚀,其抗Cl~-渗透寿命约为30 a;而环氧乙烯基酯玻璃钢的抗Cl~-渗透寿命约为70 a,具有更好的耐海水腐蚀性能。     

基于DE—BP神经网络的刀具寿命预测研究

引入了BP神经网络技术对刀具寿命进行预测,建立了刀具寿命预测模型.并针对BP神经网络所存在的缺陷,结合差异演化算法,提出了实数编码的DE-BP神经网络预测模型.实验表明,该模型对刀具寿命预测精度高,为刀具需求计划制定、成本核算、切削参数制定提供了理论依据,节约了制造执行系统成本.     

基于BP神经网络预测药芯焊条耐磨性

应用Matlab语言及其神经网络工具包，通过BP神经网络，对WRS型金属基陶瓷药芯焊条堆焊层耐磨性进行模拟和预测，结果表明，该方法能够较准确地预测该药芯焊条在泥砂磨损中的耐磨性能。     

基于BP神经网络的CCT曲线预测研究

分析影响钢的CCT(过冷奥氏体连续冷却转变)曲线的主要因素,基于BP神经网络算法及特征,建立CCT曲线的预测模型,并建立与之匹配的训练样本集。通过大量的实验,确定稳定的、具有预测功能的网络结构。预测结果能有效解决在无物理实验条件下,初步预测金属材料的组织、性能,为研制新钢材奠定基础。     

基于BP神经网络的异步电机制动时间预测

在能耗制动方式下,制动时间是影响异步电机停车定位精度的重要参数。针对制动时间与其影响因素之间的非线性关系,提出基于BP神经网络的制动时间预测方法。通过实验采集样本数据,并对其做归一化处理;然后建立预测制动时间的BP网络模型;最后利用训练样本对BP网络进行训练,并将测试样本输入已经训练好的网络进行仿真。仿真结果表明,该方法有很好的预测效果。     

通用不饱和聚酯加速老化失效机理研究

本文研究通用不饱和聚酯树脂人工加速老化失效机理。对通用不饱和聚酯浇注体试样进行了人工加速热氧老化及人工加速氙灯老化试验,用显微镜观察了试样的外观形貌,测试了试样的拉伸强度和弯曲强度,对试样进行了动态力学性能分析（DMA）分析,用FT-IR分析了树脂化学基团的变化。研究表明：不饱和聚酯在老化早期有后固化现象,随着加速老化时间的延长,试样表面出现裂纹并逐渐增加,而拉伸强度,弯曲强度和玻璃化转变温度（Tg）均降低;人工加速氙灯老化所造成的失效比热氧老化要严重得多。分析表明紫外线是造成不饱和聚酯的老化失效的主要影响因子。     

基于BP神经网络的钢丝连续退火后抗拉强度的预测

通过对Q195钢丝在不同温度、时间下的退火处理,测试了退火前后的抗拉强度。采用BP神经网络建立了Q195钢丝连续退火后抗拉强度与初始抗拉强度、钢丝直径、保温时间和退火温度之间的预测模型,对钢丝连续退火后的抗拉强度进行预测。结果表明:BP网络预测最大相对误差为3.49%。该预测模型对于Q195钢丝连续退火抗拉强度的预测是有效的、可行的。     

基于改进BP神经网络铆接接头力学性能预测

针对钢铝材料的铆接接头优化设计和结构车身混合材料接头技术问题,使用改进的BP神经网络模型研究钣金材料厚度、硬度、接头底部直径等的接头技术参数与材料自身剪切力与剥离力强度等力学参数的映射关系。ALM算法被用来优化改进的BP神经网络预测模型连接权值,提高了神经网络模型的预测精度和泛化能力。对改进的神经网络的预测结果进行检验的结果表明,训练后的神经网络模型能够准确有效地预测铆接接头力学性能,证实了改进神经网络应用于铆接接头力学性能预测的可行性与可靠性。     

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。     

基于神经网络的磨削工艺参数智能预测模型

磨削参数的合理选择对于磨削加工过程有着重要的影响,将人工智能运用到磨削工艺参数的选择过程中是现代发展的一个新趋势.在分析现有的智能算法后,提出了一种利用BP神经网络模型来确定磨削参数的方法.在该方法中综合考虑影响磨削加工的因素,把它们列为神经网络系统的输入参数,并对输入参数进行编码;同时也对输出参数(砂轮速度、工件速度、磨削深度、磨削进给速度)进行了归一化处理以适应神经网络的学习.采用循环算法比较得出隐层的最优神经元个数,从而最终建立了磨削参数智能预测模型,并利用Matlab进行仿真预测,仿真结果表明该预测模型准确率很高,能为磨削参数的选择提供可靠数据.     

基于改进BP神经网络优化的管道腐蚀速率预测模型研究

目的构造金属管道腐蚀速率预测模型,预测管道的使用寿命。方法分析了二氧化碳(CO2)和硫化氢(H2S)对金属管道的腐蚀过程,给出了管道腐蚀的化学反应方程式。引用了BP神经网络构造金属管道腐蚀速率的数学模型,采用了改进粒子群算法对预测模型进行优化。以45号金属管道为例,借助于Matlab软件对管道腐蚀速率进行仿真验证,并与实验测量数据进行对比和分析。结果金属管道腐蚀速率随着CO2或H2S压强的增大而逐渐增大,仿真结果显示CO2和H2S的最大腐蚀速率分别为7.20×10-5 mm/h和5.76×10-5mm/h,而实验测量结果显示CO2和H2S的最大腐蚀速率分别为7.14×10-5 mm/h和5.65×10-5 mm/h,采用改进BP神经网络预测模型所产生的相对误差在5%以内。结论金属管道在不同压强条件下,采用改进BP神经网络预测模型能够近似地预测其腐蚀速率,为金属管道的更换提供了参考依据。     

基于人工神经网络的铜合金时效性能预测建模

通过应用人工神经网络技术，用获得的时效实验数据进行训练，建立Cu-0．30 Cr-0．15Zr合金硬度和导电性与时效时间和时效温度的映射模型，从而可预测铜合金在一定时效条件下的硬度和导电性。该神经网络算法采用BP算法，网络结构采用2-3-30-2形式。结果表明，神经网络用于铜合金的时效性能预测是可行的。     

基于BP神经网络的管道腐蚀速率预测

本文将采用BP神经网络技术,以压力、温度、流速、含硫量和酸值作为输入参数,以管道内腐蚀速率作为输出参数,建立了输油管道的腐蚀速率预测模型。计算结果表明,该模型具有较好的预测精度,模拟出的腐蚀速率与实测值能较好的吻合,并且能够反映各因素与腐蚀速率之间的关系。     

基于BP神经网络的轮胎模具微铣削能耗预测

针对子午线轮胎模具微铣削加工过程中能耗计算问题,以主轴转速、每齿进给量、切削深度3个重要铣削参数作为变量,设计轮胎模具微铣削加工能耗实验.根据实验数据构建基于BP神经网络的微铣削能耗预测模型.通过改进预测模型的激活函数,提高模型的预测精度.结果表明:所提的预测模型有效,可以实现不同铣削参数组合下的能耗预测.     

基于BP人工神经网络模型的激光焊缝宽度预测方法

激光焊缝宽度是考核激光拼焊板质量的重要指标之一,直接影响到拼焊板的成形性能.因此,通过对激光焊缝宽度进行预测可以达到焊接工艺参数优化的目的,以提高拼焊板的焊接质量与成形性能.本文利用BP人工神经网络技术建立了焊缝宽度预测模型,该模型可以实现对焊缝宽度的有效预测,预测精度达到96%以上,具有较好的工业实用价值.     

基于BP神经网络的T91钢蠕变行为预测研究

基于BP神经网络的理论,建立了多应力水平下T91钢蠕变速率预测模型.通过实验采集到了相关实验结果,利用建立的BP神经网络模型,对实验结果数据进行训练.结果表明:模拟结果与实测结果吻合良好,预测精度很高;采用BP神经网络法可为研究T91钢蠕变行为提供一条可行方法,根据该模型可改善材料的工艺.     

基于 BP网络的6-UPU开环并联机床误差预测

以6 UPU教学型并联机床为实验平台,以壳体铝合金零件加工为研究对象,提取加工尺寸误差样本数据,采用BP神经网络建立加工尺寸误差预测模型,通过分析6 UPU教学型并联机床误差,提出实验数据与样本数据的处理原则,全面考虑到加工过程中各种情况.提出的基于BP网络来预测加工误差具有较强的实用性和一定的先进性,能有效提高加工精度,为提高开环数控系统精度提供了新的途径.