基于灰色关联分析的微小孔振动钻削参数优化

针对微小孔振动钻削加工工艺参数难以选择的问题,提出了一种基于灰色关联分析的微小孔振动钻削参数优化方法。应用正交试验法设计实验方案,进行了不同参数组合条件下的振动钻削实验,通过分析振动钻削参数与定位误差、孔径误差以及出口毛刺高度的灰色关联系数和灰色关联度,进行了多目标参数优化,并得出了优化的微小孔振动钻削参数组合方案。实验结果表明,采用优化的振动钻削参数钻削微小孔,可有效地减小定位误差、孔径误差和出口毛刺高度。     

轴向超声振动钻削的钻削力和切屑形态研究

建立了钻削加工仿真模型,并采用麻花钻对钛合金进行振动钻削试验。利用ABAQUS软件进行轴向超声振动钻削仿真,试验验证和对比分析了轴向超声振动钻削在不同加工参数下的切屑形态和钻削力。仿真与试验结果表明:随着进给量和振幅增加,钻削力增大,但进给量对钻削力的影响大于振幅;无论是进给量还是振幅的改变,对切屑形态均有影响。     

基于DEFORM-3D和遗传算法的钻削用量优化研究

采用有限元仿真软件DEFORM-3D建立麻花钻的钻削有限元模型,应用正交试验方法,设计3水平3因素的正交试验表,研究转速、进给量和背吃刀量这三个钻削用量对钻削性能的影响。利用MATLAB软件对试验数据进行多元线性回归分析,得到钻削力的数学模型。在此基础上,建立起钻削用量参数的多目标优化模型,并结合MATLAB中的遗传算法,对该模型进行优化。经验证发现该优化模型是可行的,可为实际生产中钻削用量选择提供参考依据。     

高温合金振动钻削断屑实验研究及机理分析

对振动钻削理论进行了分析,建立了振动钻削时断屑的数学模型,利用自制的振动钻削实验装置,采用不同的振动钻削参数进行高温合金振动钻削试验,对轴向振动钻削的断屑效果以及轴向钻削力和扭矩进行了研究,分析了各加工参数对加工过程的影响,发现振动钻削力随钻削参数的变化比较平稳,在大进给量或高转速状态下,振动钻削的钻削力比普通钻削力小得多。通过比较振动钻削与普通钻削所得切屑可知:振动钻削有利于断屑,切屑体积小,排屑顺畅。     

柔性装配系统的多目标优化设计

本文在确定对系统起决定作用的参数、变量集及目标约束集的基础上,采用多层前馈型神经网络作为多目标优化计算器,用改进的遗传算法对神经网络进行训练,为复杂背景下的多目标优化设计提供了一种新方法。     

深小孔超声轴向振动钻削装置设计与研究

基于振动钻削机理,针对深小孔振动钻削设计了一套超声轴向振动钻削装置,利用有限元方法对变幅杆动力学特性进行了仿真分析,并在设计研制的超声轴向振动装置上进行了深小孔振动钻削与普通钻削对比试验。试验结果表明设计的试验装置满足深小孔轴向振动钻削加工要求,且振动钻削加工深小孔具有较小上下孔径差和表面粗糙度值,与普通钻削相比能够获得更好的加工质量和工艺效果。     

轴向振动钻削过程的有限元动态仿真

针对钻削工艺特点,分析了轴向振动钻削的有限元动态特性。利用有限元分析软件DEFORM建立了轴向振动钻削的有限元数学模型,进行了动态仿真分析,同时,建立了相应的普通钻削系统的有限元模型,对两种加工过程中的切屑、轴向力与钻削扭矩等进行了比较。结果表明,与普通钻削相比,轴向振动钻削过程具有较好的断屑效果,轴向力小,钻削扭矩小。研究结果可对轴向振动钻削机理与特点的研究提供参考。     

基于BP神经网络的电镀金刚石套钻钻削效率研究

使用电镀金刚石套钻进行钻削时,运用正交试验法对钻削效率有较大影响的各参数进行优化,然后用BP神经网络分析方法对正交试验的结果进行分析处理、预测并得到较正交试验法所得最优参数组合时更高的钻削效率,证实了用BP神经网络模型预测电镀金刚石套钻钻削效率的方法具有可行性。     

基于仿真与试验分析的新型可换头钻头切削性能研究

利用有限元仿真软件Advant Edge FEM对新型钻头孔加工的钻削过程进行虚拟仿真分析,研究钻削力、扭矩等随钻削用量、刀具大小改变的变化规律,分析可换头钻头较传统麻花钻的优势。运用极差分析法得出不同仿真条件下的各钻削参数、刀具大小对钻削力、温度、扭矩的影响程度。以正交试验为基础,通过搭建试验平台进行钻削试验,根据试验结果优化仿真试验参数,使试验值与仿真值误差在一定范围内,以确定有限元仿真分析对新型刀具的可行性。     

振动钻削理论与参数优化方法研究概况

介绍了振动钻削的工艺特点,综述了国内外振动钻削理论和参数优化方法的研究现状,分析了振动钻削的若干个热点研究问题。     

密封条结构参数优化设计方法

为了对轿车车门密封条结构参数进行优化设计，采用遗传算法和神经网络相结合的策略，首先利用神经网络建立密封条结构设计参数与压缩负荷、应力等的非线性全局映射关系，获得求解结构优化问题所需的目标函数，然后用遗传算法进行优胜劣汰的寻优搜索运算，求出最优解。优化结果表明，椭圆形结构在壁厚为1．5mm、高度为20mm时，压缩负荷和应力能达到目标函数要求。压缩负荷和应力的优化结果与理论计算值的误差分别为7．4％、9％，因此，利用神经网络和遗传算法进行结构参数优化的方法是可行的。     

混合遗传算法对BP神经网络算法的改进

介绍了用混合遗传算法对基本的BP神经网络算法进行改进的理论和实验，在混合遗传算法中使用了跨世代精英选择、退火算子以及自适应交叉和变异方法，取得了较好的效果。     

基于遗传算法的车削用量优化研究

为合理地选择切削用量,建立了基于遗传算法的切削用量优化系统框架结构,系统地研究了遗传算法及其相关内容。在约束、单优化目标函数数学建模的基础上,采用线性加权法建立的多目标优化函数;采用罚函数法改进目标函数,使约束直接表示在目标函数中,简化了切削用量的寻优过程。最后,应用遗传算法开发了一个车削用量优化器,对多约束条件下的切削用量优化结果进行了分析,总结了寻优过程中约束条件影响切削用量优化结果的规律。     

基于遗传算法的AMT车辆起步模糊控制

通过对熟练驾驶员起步过程的分析 ,提出了能反映驾驶员意图的起步模糊控制策略。针对模糊控制器传统设计过程中存在的人为主观因素较多 ,难以进行优化等缺点 ,采用遗传算法对起步模糊控制器隶属函数参数进行优化。并为此建立了起步模糊控制系统仿真模型。用优化的模糊控制器进行实车道路试验 ,取得了满意的效果。     

遗传算法在缝纫机送料机构优化设计中的运用

送料机构是缝纫机四大机构中最复杂、最重要的机构。送料机构设计的好坏直接影响到整机的缝纫性能。采用遗传算法(GA)对送料机构进行参数优化设计,从而得到比较理想的送料机构运动尺寸,大大改善缝纫机的送料性能。     

铣齿机床均载机构液压系统的动态仿真及优化

分析数控铣齿机床均载机构液压系统的组成及工作方式,利用传递函数法建立系统的数学模型.利用Simulink软件构建液压系统的仿真模型,并对液压系统进行动态仿真分析.采用ITAE准则建立优化目标函数,利用遗传算法与Simulink对液压系统PID控制器控制参数进行优化.将遗传算法与使用Matlab工具箱中lsqnonlin...     

一种拉索套管外形的设计与优化

为了减小斜拉索的振动,延长其使用寿命,提出一种新的斜拉索套管外形。首先,采用空气动力学方法初步设计了一种斜拉索套管外形——仿水滴形;然后,通过对该外形与仿鱼雷外形的计算流体力学(computational fluid dynamics,简称CFD)模拟仿真结果进行分析比较可知,新外形能减小拉索尾部形成漩涡生成的概率,降低斜拉索产生的大幅振动,有效提高斜拉索的稳定性;最后,运用Matlab遗传算法对初始的仿水滴气动外形进行进一步的参数优化,得到优化后的仿水滴外形。优化结果表明,优化后新外形的临界最大压力值、速度值和阻力系数都有一定的减小,可以较好地降低斜拉索的振动。     

HC轧机板形液压伺服系统智能控制的研究

针对HC轧机液压弯辊系统的非线形和时变性等特点，设计了基于遗传算法的模糊RBF神经网络智能控制系统，改善了系统的性能。     

基于事例推理的注塑模加工时间定额的确定方法

将事例推理技术引入到注塑模加工时间定额研究中,提出了基于事例推理技术的加工时间定额确定方法。重点研究了事例检索和事例修改这两项关键技术,基于遗传算法提出了一个事例层次检索模型,通过对特征权值进行优化处理,提高了事例检索效率和准确度;基于相对系数法和经验公式法提出了一个复合式事例修改策略,通过不同修改规则的优化和组合,保证了事例修改的正确性。最后,通过一个实例验证了此方法的有效性。     

Open channel junction velocity prediction by using a hybrid self-neuron adjustable artificial neural network

Determining the appropriate hidden layers neuron number is one of the most important processes in modeling the Multi-Layer Perceptron Artificial Neural Network (MLP-ANN). Despite the significant effect of the MLP-ANN neurons number on predicting accuracy, there is no definite rule for its determination. In this study, a new self-neuron number adjustable, hybrid Genetic Algorithm-Artificial Neural Network (GA-ANN), is introduced and its application examined on the complex velocity field prediction of an open channel junction. The results of GA-ANN were compared with those got by the Genetic Programming (GP) method as two applications of the Genetic Algorithm (GA). The comparisons showed that the GA-ANN model can predict the open channel junction velocity with higher accuracy than the GP model, with Root Mean Squared Error (RMSE) of 0.086 and 0.156, respectively. Finally the equation, obtained by applying the GA-ANN model, predicting the velocity at the open channel junction is presented.