基于人工神经网络的振动钻削仿真与参数优化

将人工神经网络技术引入振动钻削领域,研究适用于变参数振动钻削过程仿真与参数优化的神经网络模型和算法。实验表明,ＡＮＮ优化精度较高,为振协钻削研究提供了新的分析方法与途径。     

基于遗传算法的神经网络振动钻削参数优化

应用人工神经网络进行振动钻削仿真与参数优化时常用逆映射BP网 ,而BP网的逆映射极易陷入局部极小点。本文提出利用遗传算法与BP网的混合系统进行参数优化。实验结果表明 ,遗传算法是一种全局优化方法 ,可有效地应用于机械加工领域 ,为振动钻削的参数优化提供了一个新的研究方法。     

基于人工神经网络的振动 钻削仿真与参数优化

将人工神经网络（ＡＮＮ）技术引入振动钻削领域,研究适用于变参数振动钻削过程仿真与参数优化的神经网络模型和算法。实验表明, ＡＮＮ优化精度较高,为振动钻削研究提供了新的分析方法与途径。     

钻削高强度钢的硬质合金整体群钻研究与开发

目的开发研究用于钻削高强度钢的整体硬质合金群钻钻型．方法吸收普通群钻钻型的经验,改变内外刃结构形式和参数,通过系统钻削试验优化钻刃结构及其几何参数,分析钻削效果．结果新钻型的钻削力降低１０％－２０％,钻削效率（单位时间钻孔数）提高２－３倍,加工精度和表面质量提高约１级．结论新钻型具有优良的钻削性能     

基于小波神经网络的变参数振动钻削仿真

为了改变因寻找最优振动参数和切削参数而需要在实验中大幅度频繁地改变参数的状况,利用小波函数对一维信号逼近能力较强的特点,提出了一种适用于变参数振动钻削加工过程仿真的小波神经网络模型, 并运用灰色理论中的关联分析法对小波神经网络输入权值进行选取。理论分析和实验表明:应用该仿真模型,能在振动钻削过程的不同区段寻找最优的振动参数和切削参数。     

振动钻削过程监控系统的研究

介绍了一种麻花低频复合振动钻削在线监控系统，该系统以刀具状态为主要监测对象，以切削力为监测参数，具有预报刀具破损、监测刀具磨损，并在异常状态下适时地控制切削过程等功能。     

涂层高速钢钻头的钻削试验研究

以轴向力和扭矩为判据来比较3种不同涂层刀具在钻削不锈钢时的切削性能,试验结果表明,以TiN表面多层涂层钻头钻削效果最好,TiCN表面多层涂层钻头次之,而单层涂层钻头最差.同时发现不同的涂层刀具钻削不锈钢时产生的轴向力和扭矩值亦随着进给速度的增加而增大,但在固定进给速度(0.12mm/r)改变转速时,3种不同涂层钻头的轴向力与扭矩在转速为1.4r/s时最小,随着转速增加到2.0r/s时,轴向力和扭矩增至最大,而当转速继续增加到2.6r/s时,则轴向力与扭矩反而开始下降.     

涂层高速钢钻头的钻削试验研究

以轴向力和扭矩为判据来比较 3种不同涂层刀具在钻削不锈钢时的切削性能 ,试验结果表明 ,以TiN表面多层涂层钻头钻削效果最好 ,TiCN表面多层涂层钻头次之 ,而单层涂层钻头最差 .同时发现不同的涂层刀具钻削不锈钢时产生的轴向力和扭矩值亦随着进给速度的增加而增大 ,但在固定进给速度 ( 0 1 2mm/r)改变转速时 ,3种不同涂层钻头的轴向力与扭矩在转速为 1 4r/s时最小 ,随着转速增加到 2 0r/s时 ,轴向力和扭矩增至最大 ,而当转速继续增加到 2 6r/s时 ,则轴向力与扭矩反而开始下降     

Fault Diagnosis of Analog Circuit Based on PSO and BP Neural Network

In order to improve the speed and accuracy of analog circuit fault diagnosis,using Back Propagation Neural Network(BPNN),a new method is proposed based on Particle Swarm Optimization(PSO)to adjust weights of BP neural network.The model can not only overcome the limitations of the slow convergence and the local extreme values by basic BP algorithm,but also improve the learning ability and generalization ability with a higher precision.The response signals of analog circuit is preprocessed by Wavelet Packet Transform(WPT)as the fault feature.The simulation result shows that the proposed method has higher diagnostic accuracy and faster convergence speed,which is effective for fault location.     

基于粒子群算法的椭偏法测量数据反演

为解决椭偏法测量薄膜厚度和折射率实验数据处理较为复杂的问题,采用一种新的基于群体智能的优化算法—粒子群算法处理实验数据.以单层吸收薄膜的测量为例,利用该算法进行数据处理.实验结果表明,三个薄膜参数(折射率n,消光系数k和薄膜厚度d)可以同时获得,而且在未知参数确切范围情况下,大范围内进行搜索仍然能保证快速收敛到最优解.文中算法和遗传模拟退火算法以及利用椭偏仪数据处理软件得出的结果相比较,表明该算法计算精度高,收敛速度快.     

基于粒子群算法的模糊滤波器优化方法

根据粒子群算法可以搜索全局最优的特点,提出一种新的基于粒子群算法优化模糊隶属函数,从而对带有脉冲噪声图像进行模糊中值滤波的方法.该方法给出一个新的模糊熵定义,采用改进粒子群优化算法寻求隶属函数的最优参数,依照最大熵准则将图像变换到模糊域,然后对需要处理的噪声图像进行滤波.实验表明,提出的方法可以很好地滤除图像中的脉冲噪声,自适应性强.     

一种基于粒子群优化的粒子滤波改进算法

粒子群优化粒子滤波算法能有效改善粒子退化问题,但其适应度函数受量测噪声方差影响较大,限制了滤波精度的提高.为此,提出了一种基于粒子群优化的粒子滤波改进算法.该算法给出一种新的适应度函数,用当前状态估计值与各粒子状态的差值大小作为评价标准,使得最终优化粒子受噪声方差影响减小,在量测模型精度高的场合中提高了滤波精度.理论分析及仿真结果表明,本文所提算法的滤波性能优于标准粒子滤波与粒子群优化粒子滤波算法.     

基于粒子群-小波神经网络的模拟电路故障诊断

针对传统小波神经网络技术在模拟电路故障应用中存在的问题,提出了一种基于粒子群-小波神经网络的模拟电路故障诊断方法.利用该方法对滤波电路进行了故障检测,结果表明,该方法优于传统的小波神经网络方法.     

基于改进的粒子群和遗传算法的混合优化算法

分析粒子群算法在求解组合优化问题中的运行原理,对警车分布的优化问题建立了粒子群优化的数学模型,对基本粒子群优化算法中的速度范围、惯性权重等参数进行了改进,并通过仿真与基本粒子群算法比较,显示改进的粒子群算法,提高了优化结果.在改进的粒子群算法中引入遗传算法,将形成的新混合算法应用到求解警车最优执勤地点的分布问题,并与遗传算法和改进的粒子群算法仿真比较.结果表明,混合优化算法在收敛速度和精度上均有明显的提高.     

基于粒子群BP神经网络的短期电力负荷预测

电力负荷预测通常采用神经网络方法,该方法训练时间较长,并且由于负荷受到气象因素影响,该算法预测的精度不是很高.为了克服当前存在的问题,采用粒子群算法优化BP神经网络的权值和阈值,归一化处理气象因素,利用神经网络预测短期电力负荷.实验结果表明,该方法比单纯BP神经网络预测具有明显优势.     

Drilling Path Optimization Based on Particle Swarm Optimization Algorithm

This paper presents a new approach based on the particle swarm optimization (PSO) algorithm for solving the drilling path optimization problem belonging to discrete space.Because the standard PSO algorithm is not guaranteed to be global convergence or local convergence,based on the mathematical algorithm model,the algorithm is improved by adopting the method of generate the stop evolution particle over again to get the ability of convergence to the global optimization solution.And the operators are improved by establishing the duality transposition method and the handle manner for the elements of the operator,the improved operator can satisfy the need of integer coding in drilling path optimization.The experiment with small node numbers indicates that the improved algorithm has the characteristics of easy realize,fast convergence speed,and better global convergence characteris- tics.hence the new PSO can play a role in solving the problem of drilling path optimization in drilling holes.     

基于PSO算法的CMOS运算放大器优化设计

针对CMOS运算放大器设计中缺乏自动设计工具,采用手工设计很难提高电路性能的问题,基于群智能技术提出了一种改进的粒子群优化算法(PSO)来进行全局优化求解.主要将CMOS运算放大器的电路性能解析方程转化成粒子位置的求解,先初始化粒子的速度和位置,然后不断迭代更新,直到搜索出全局最优值.仿真结果表明,该方法可以提高CMOS运算放大器的性能,在精度和速度上优于遗传算法和基本PSO算法的设计效果.     

基于改进粒子群算法的BP神经网络模型研究

为解决BP神经网络局部性收敛度慢的问题,提出了基于改进粒子群算法的BP神经网络模型．该方法通过粒子群进化速率动态调整惯性权重因子,提高了算法的收敛速度和全局搜索最优值的能力．提出的模型和改进的算法模拟仿真表明：该方法对收敛速度和精度有更好的拟合性．