复杂曲面车削精度的神经网络控制

提出了一种基于神经网络的加工误差控制方法，引入神经网络对加工系统的逆模型进行辩识，运用该模型前置校正加工系统以改善加工精度。该方法在中凸变椭圆活塞裙面加工中的成功应用，证明了其合理性及先进性。     

复杂曲面的数控加工误差分析

针对复杂曲面的多轴数控加工,应用数学知识建模,从理论上分析了平底铣刀刀具加工复杂曲面时的误差,得出了影响数控加工精度的主要因素并提出了误差补偿方法,为控制多轴数控加工的误差提供了理论依据与补偿算法,对高精度复杂曲面的数控加工具有借鉴意义。     

数控加工复杂曲面的误差分析和补偿

介绍了五轴数控机床加工复杂曲面的工作原理，重点分析了五轴数控加工时采用环形铣刀加工复杂曲面的误差模型，提出了误差补偿的具体方法。为提高复杂曲面数控加工精度具有指导意义。     

虚拟制造中基于刀具磨损的复杂曲面加工误差补偿

铣削加工过程中刀具的磨损是产生曲面加工误差的重要原始误差,将刀具磨损引起的误差通过建立的误差模型进行定量补偿,是虚拟制造中的一项关键技术。研究了虚拟制造环境下基于球头铣刀磨损的曲面加工误差补偿,建立了与加工参数相关的球头铣刀磨损模型,用以衡量球头铣刀切削刃磨损量,提出球头铣刀铣削加工误差补偿方法,并经实验验证有效。     

基于遗传算法的复杂曲面形状误差计算

提出了归一化实数值编码的遗传算法 ,建立了复杂曲面形状误差的数学模型 ,并运用归一化实数值编码的遗传算法进行求解。仿真实验证明 ,其计算精确度高 ,可以达到任意给定的精度 ,非常适用于三坐标测量机。     

基于RBF神经网络的曲面加工误差补偿

在自由曲面数控加工中,计算误差和机床误差都会带来加工工件的形状误差。形状误差在三维空间分布是无规律的,无法用普通的数学函数表达,导致很难实施误差补偿加工。为了建立误差补偿模型,本文提出了采用RBF（Radial Basis Functions）神经网络逼近误差的三维分布函数。测试结果表明,RBF网络模型具有较好的推广能力,它与传统的BP神经网络模型相比较。RBF网络具有更高的精度、更好的泛化能力和更快的收敛速度。通过修改后的数控NC指令驱动数控机床,使刀具中心偏离一个误差函数求出误差值,实现误差补偿。     

复杂曲面零件加工精度的原位检测误差补偿方法

为提高复杂曲面零件的数控机床原位检测精度,分析影响接触式检测系统精度的各项因素及其误差补偿方法。对检测系统的主要误差来源如机床几何误差、测头预行程误差和测头半径误差进行分析研究。在对数控机床的几何误差进行分析和建模的基础上,采用激光干涉仪进行三轴数控机床的单项误差测量和补偿;针对测头检测过程中存在的预行程误差,提出基于径向基函数(Radial basis function, RBF)的预行程误差预测方法,获得测头预行程误差分布图,并对检测系统进行实时预行程误差的补偿;提出改进的三角网格模型顶点法矢计算方法,有效进行三维测头的半径补偿。通过实例零件的加工精度原位检测试验及其与三坐标测量机CMM检验结果的比较,验证了原位检测方法的有效性。     

基于CAXA的复杂曲面数控加工

结合手机外壳曲面的数控编程全过程，在分析手机外壳曲面工艺特点的基础上，详细阐述了在CAxA软件的CAD／CAM集成环境之下，如何编制三轴加工中心加工手机外壳曲面程序，如何以较高的切削加工效率、较好的成形质量和最佳的加工粗糙度以及流畅的工艺过程，加工出满足要求的手机外壳曲面。这项研究不仅对提高我国手机外壳制造技术具有重要意义，而且作为一个教学实训项目，对于整合高等职业院校现有教学资源，完善学校的实训教学工作，开阔学生眼界，为社会输送高技能应用人才，也将起到积极作用。     

基于Cimatron的复杂曲面数控加工研究

基于Cimatron软件CAD/CAM集成环境,通过对加工工艺的分析比较得出对平缓型曲面可以用“WCUT”进行粗、精加工,对凹凸型曲面先用“WCUT”进行粗加工,再用“SRFPKT”进行精加工,给出了一种加工效率高、成型质量好的数控加工方法。以实例对其进行分析,并给出了数控加工模拟效果图,证明该方法既可提高加工效率,又可获得较好的表面加工质量。     

五坐标曲面数控加工误差分析及控制方法

针对五坐标曲面数控加工中加工方法引起的误差,分析了误差产生的原因,找出了数控加工过程中影响工件加工精度的因素,提出了控制误差的方法,为数控加工精度的有效控制提供了系统的理论依据。     

基于神经网络的电动舵回路容错控制方法研究

为了克服电动舵回路故障和非线性因素的影响,提出一种基于神经网络误差反馈学习的电动舵机容错控制器设计方法,根据电动舵机系统动力学特征建立系统非线性数学模型,采用反馈误差学习控制律进行神经网络容错控制,由参考信号和实际输出信号对比产生的误差信号驱动神经网络学习从而产生控制信号,以达到实现容错重构控制的目的,仿真结果表明,神经容错网络控制器能够达到满意的控制效果。     

液压弯辊系统的优化神经网络内模控制

针对轧机液压弯辊系统存在非线性、时变性等特点,采用基于前馈神经网络的内模控制方法,将优化网络用于神经网络辨识器和内模控制器的离线训练,采用学习率自适应调整的改进BP算法在线调整网络权值。仿真研究表明,将优化网络用于液压弯辊系统控制,提高了液压弯辊系统的动态响应速度和稳态跟踪精度,具有较强的快速性和鲁棒性,能够取得理想的控制效果。     

基于神经网络的机翼振动主动控制

根据DARMA模型提出了简单易用的神经网络控制方案,该方法采用线性人工神经网络对系统动态特性进行在线辨识,并利用辨识得到的信息,采用BP神经网络对系统进行控制,将该算法应用于飞机机翼振动主动控制数值仿真。仿真结果表明,该方法能减少算法的计算量,压缩计算时间,便于提高系统采样频率,使得自由振动和调频振动的抑制成为可能。     

一种基于模糊神经网络的辩识方法

本文给出了一种五层的模糊神经网络。这种神经网络的特点是训练数据可以从网络的输入和输出两端馈入。网络的学习过程分为参数辨识和结构辨识两个阶段,这样可以减少网络参数调整过程中的相互影响,加快学习过程,仿真结果表明了该学习算法可以获得比其他学习算法更好的辨识效果。     

飞行器垂直尾翼的神经网络模型辩识

以某型飞行器50%的垂直尾翼模型为研究对象,针对模型结构振动主动控制系统的不确定性和非线性特性,研究了该系统的神经网络建模问题.分别采用单频信号和不同频率范围的扫频信号作为激励信号,基于外时延反馈的双BP神经网络,采用改进的非线性自回归滑动平均模型(NARMA)对模型结构振动主动控制系统进行辨识和动态建模.试验结果表明:此方法的辨识精度高,训练时间短,所建网络模型具有很好的泛化能力,辨识结果合理可靠.     

电液伺服系统的神经网络在线学习补偿自适应控制

基于反馈误差学习法、小波分析理论并结合面向控制的辨识思想，提出了一种神经网络在线学习补偿自适应控制结构。基于被控过程的小波变换结果信息利用反馈误差学习法调整控制参数。利用“参征器”实行监督控制，避免控制器的输出产生振荡或进入饱和状态。工程应用表明，该方法将过程辨识和“参征器”引入神经网络的学习和控制中，可有效地提高了系统的控制品质。     

电火花加工机床的一种神经网络快速进给控制装置

电火花加工过程是一个复杂的微观、瞬变过程,实施有效的实时控制是一个比较困难的问题。本文提出了一种用数字式神经网络高速调节器并增加并行的滞后补偿线路和脉间设定值信号切除线路,快速控制电极进给的控制装置,从而有效地实现了电火花加工过程的实时控制。     

人工神经网络在产品质量控制中的应用研究

提出了利用有监督线性特征映射 (SL FM)网络构造产品质量参数预测模型的方法 ,研究了网络参数的合理选择 ,并提供了该预测模型在车削尺寸预测中的应用 ,研究表明该方法具有较高的预测精度 ,对加工过程具有一定的跟踪能力 ,在此基础上提出了加工过程智能质量控制的构想     

基于免疫进化神经网络的机械手逆运动控制

将免疫进化算法用于机械手逆运动神经网络控制，基于生物免疫系统的细胞克隆选择学说和生物进化过程中的变异思想构造了自适应变异算子，使系统能够根据环境条件自适应地确定各抗体的变异强度；通过亲和力抑制相似抗体生存并动态地产生新的抗体，以维持抗体种群的多样性。通过对机械手进行仿真试验，并与快速BP算法及标准遗传算法训练的结果进行比较，表明用免疫算法训练的神经网络具有良好的泛化能力，可大大提高机械手逆运动学求解精度。     

加工过程中基于信息熵的神经网络控制方法研究

不确定性信息的处理是目前控制器设计的关键和难点 ,变切削深度加工过程有大量的不确定性信息 ,本文以其为实验对象 ,研究神经网络控制效果 ,虽然网络学习率已根据实际需要作了修改 ,但系统响应速度较慢。据此 ,提出基于信息熵的神经网络优化控制算法 ,对熵函数中的概率分别采用均匀分布规则和根据最大熵原理求取两种策略。比较发现 ,前者比最初神经网络控制更能显著提高系统响应速度 ,后者能在此基础上将震荡次数减少 2 / 3。实验证明 ,基于信息熵测度的控制对处理不确定性系统具有很好的效果。