基于遗传算法优化BP神经网络的磨削力预测

为了克服传统BP神经网络的学习速率慢、容易陷入局部极小点等缺点,采用遗传算法对BP神经网络的初值空间进行遗传优化。用遗传算法来优化BP神经网络的权重和阈值,得到最佳的初始权值矩阵,并按误差前向反馈算法沿负梯度方向搜索进行网络学习的方法对磨削力进行预测。根据磨削力实验数据对网络进行训练,仿真结果表明该模型可以精确的描述砂轮速度、工件速度、磨削深度对磨削力的影响,并可以用有限的实验数据得出整个工作范围内磨削力的预测值。     

基于BP神经网络的铣削力仿真技术研究

应用人工神经网络技术建立了铣削力仿真的BP网络模型。通过正交试验,获取训练样本,并对网络进行了训练。最后将网络预测结果与实验数据进行比较和误差分析,证明了人工神经网络能够准确地预测铣削力的大小。     

钛合金TC4铣削力仿真研究与BP神经网络预测

针对钛合金T C4铣削过程中因铣削力大、温度高导致的加工效率低、表面质量差、粘刀现象,利用有限元软件建立了三维T C4铣削有限元模型,通过正交试验分析了T C4铣削过程中切削用量对切削力的影响规律,并通过BP神经网络对铣削力进行预测,得出BP神经网络具有较高预测精度.研究结果表明:铣削力总体上随铣削速度的增加先减小后增...     

注塑模具硬态高速铣削力研究

采用高速铣床对4Cr5MoSiV1钢注塑成型模具进行硬态铣削,研究切削加工参数对切削力的影响,通过多因素法正交试验,利用改进的BP神经网络建立了切削力的神经网络模型,将网络预测结果经过现场加工实践检验其准确性,利用MATLAB分析切削参数的影响。结果表明:人工神经网络能准确地预测铣削力的大小,模型具有良好的泛化能力和自适应能力;在高转速、小切深、合适的进给速度以及微量切削液状态下铣削力较小,为优化模具硬态铣削的切削参数并对其实际生产应用提供了较好的依据。     

变搜索域遗传算法及其在铣削加工参数优化中的应用

在传统遗传算法的基础上提出变搜索遗传算法,通过不断地变换搜索区域,使搜索区域间全局最优点小推进,从而打电话算法的收敛速度和精度,将其用于铣削加工参数的优化,并与传统算法进行比较。     

基于遗传算法优化的BP神经网络在粗糙度预测上的应用

针对BP神经网络预测工件表面粗糙度精度不高的问题,提出了一种基于遗传算法优化的BP神经网络预测方法。首先用遗传算法对BP神经网络的初始权值、阈值进行全局寻优,然后对优化的BP神经网络进行训练、预测。通过MATLAB进行了粗糙度预测仿真验证。结果表明:优化的BP神经网络比未优化的BP神经网络具有更高的预测精度。     

改进遗传算法优化的BP神经网络高炉煤气预测

以高炉煤气为主要研究对象,针对钢铁企业高炉煤气发生量波动大、无规律等特点,提出基于改进遗传算法优化的BP神经网络模型,通过改进遗传算法中交叉概率和变异概率的自适应选取,达到在全局与局部同时具有较强的寻优能力.由仿真结果可知:改进遗传算法优化的BP模型比普通的BP神经网络模型能更精确地预测煤气发生量,并解决了遗传算法(G...     

基于BP神经网络和多元线性回归的航发叶片铣削力预测研究

针对航空发动机叶片加工过程中铣削力的变化预测和控制问题,通过研究铣削加工工艺系统的主要工艺参数,利用正交试验法确定了若干组工艺参数方案,建立了AdvantEdge FEM叶片二维铣削模型完成了叶片铣削仿真试验;提取了仿真试验的铣削力,通过方差分析确定了不同工艺参数对铣削力变化影响能力的强弱;利用影响能力强的参数设计了对比试验,建立了BP神经网络铣削力预测模型和多元线性回归铣削力预测模型,比较分析了两种预测模型对铣削力的预测能力。研究结果表明:铣削深度对铣削力变化的影响最大,其余影响较小;BP神经网络预测的准确度和稳定性整体上优于多元线性回归。     

基于BP神经网络的球头铣刀铣削力建模与仿真

将BP神经网络的理论和算法应用于球头刀具铣削力建模的研究中.采用LM算法建立了铣削力预测的神经网络模型,模型中考虑了影响铣削力的加工参数,选取铣削力试验数据对神经网络模型进行训练,用训练好的神经网络模型对铣削力进行仿真.仿真结果表明,用BP神经网络方法建立的铣削力模型能够对铣削力进行准确的预测.     

考虑刀具底刃切削的CFRP铣削力精确建模研究

针对碳纤维复合材料(CFRP)铣削提出了一种切削力精确建模方法,即考虑刀具底刃切削作用的铣削力机械模型,通过实验识别底刃和侧刃的切削力并分析了切削力变化规律,建立了切削力系数关于瞬时切削厚度、纤维切削角及切削速度的BP神经网络模型,进一步实现了对铣削力的预测。单向板和多向板的铣削验证实验表明考虑刀具底刃因素可以提高切削力预测的准确性,同时也验证了BP神经网络在CFRP切削力建模中的可行性。     

基于遗传算法的铣削用量优化

基于数控铣削加工的特点,建立了以最大生产率、最低生产成本为目标函数,以机床、刀具、工艺等限制因素为约束条件的铣削用量优化数学模型,并运用遗传算法,结合铣削实例,对铣削用量进行了优化。     

基于遗传算法的铣削参数优化

依据高速铣削表面粗糙度预测模型,建立了以提高加工效率为目标的优化模型,运用遗传算法对铣削参数进行了优化计算,得到了不同表面粗糙度要求下较优的铣削参数组合方案。应用优化的参数进行加工,表面加工质量得到了保证,同时效率也有所提高。     

遗传优化BP神经网络在电液力伺服系统辨识中的应用

介绍电液力伺服系统的结构及原理,针对系统建模中参数时变和非线性问题,采用BP神经网络进行系统辨识建模;利用遗传算法优化BP神经网络,克服单纯BP算法容易局部收敛、训练速度慢的问题;借助MATLAB神经网络工具箱、全局优化工具箱编写系统辨识算法,建立系统的神经网络辨识模型。分析神经网络模型辨识结果,将其与ARMAX线性参数模型的辨识结果作对比,验证遗传优化BP神经网络系统辨识建模的高效性和适用性。     

基于遗传算法的高速铣削工艺参数优化研究

在高速铣削加工中,考虑机床和工件加工的实际约束条件,为合理选择高速铣削工艺参数,建立了最大生产率和最低加工成本的优化目标数学模型。以铣削速度、进给量、铣削深度、铣削宽度为工艺参数的优化变量,提出了基于遗传算法的高速铣削工艺参数优化方法,为高速铣削加工提供了理论依据。     

应用BP神经网络预测高速铣削表面粗糙度

表面粗糙度的预测是切削加工质量分析的重要研究方向,为了在保证铣削的同时预测加工表面的粗糙度、提高生产率,将人工神经网络技术应用于铣削加工领域。应用BP神经网络建立高速铣削加工表面粗糙度预测模型,将预报结果与试验真值进行对比验证,结果表明该方法能够得到较好的预测精度,对高速铣削参数的选择和表面质量的控制具有指导意义。     

应用BP网络和遗传算法的快速分析与优化

将BP神经网络和遗传算法相结合运用于快速设计的结构优化问题。利用已有的实例对神经网络进行训练达到要求精度,使神经网络能够代替有限元分析达到快速分析的目的。用神经网络计算遗传算法的适应度,对结构进行优化。把BP神经网络和遗传算法相结合进行分析和优化符合快速设计的思想。此方法运用于某拱梁的快速优化设计中效果良好。     

基于神经网络和遗传算法的高速铣削工艺参数优化的研究

基于高速铣削正交试验,利用神经网络高度的非线性映射能力和遗传算法的全局寻优能力,建立了铣削力、铣削温度和表面粗糙度的BP神经网络仿真模型,在对它们进行优化的基础上获得几个主要因素的最优搭配。     

基于遗传算法BT20钛合金低温铣削用量的优化

低温铣削BT20钛合金时,为了提高机床的利用率,通过切削用量模型、约束函数的建立及利用遗传算法进行了铣削用量的优化.     

基于遗传算法的BP神经网络在塔式起重机故障诊断中的应用

为解决BP神经网络存在的收敛速度慢、易陷入局部极小点等不足,利用遗传算法随机搜索性强,易收敛到全局最优解的优点对其进行改进,通过误差平方和的倒数建立遗传算法与BP神经网络的联系,以改进网络权值、阈值为目标,优化神经网络结构,以更加有效地应用改进网络进行预测、识别,将其应用于塔式起重机的状态识别中,可很好地对塔式起重机进行故障诊断.     

基于遗传算法的铣削加工参数模糊优化系统研究

优化铣削参数对于降低铣削加工成本、提高生产率有重要的作用。传统的铣削参数优化模型中,铣削参数和条件约束的匹配取值往往是通过实际加工的经验获得,这种结果具有不确定性和模糊性。文章分析了模糊参数优化的数学模型,根据模糊集合原理将模糊模型转化为一个传统的单目标模糊优化问题,借用IDEF1x方法建立了铣削参数模糊数据库模型,并运用遗传算法（GA）为优化引擎开发实现了模糊优化系统。给出的运行实例表明该优化系统对铣削参数优化具有更好的效果,同时,系统为CAPP优选铣削参数提供了支持平台。