基于动态反馈神经网络模型的数控机床热误差实时预报补偿

分析了数控机床热误差对制造加工精度的影响及影响数控机床热误差的关键因素,对采用神经网络模型预报数控机床热误差进行了深入分析,提出了具有反馈输入环节的动态神经网络模型.讨论了建立模型的关键技术问题,并对基于该模型的数控机床热误差的智能预报进行了计算机仿真分析.     

应用递推神经网络的传感器动态建模研究

根据动态校准实验结果建立传感器的动态数学模型 ,以研究传感器的动态性能 ,是动态测试的一个重要内容。研究了递归神经网络模型在传感器动态建模中的应用。递归神经网络模型采用具有输入层、中间层、输出层的三层网络结构 ,整个网络的特性决定于相邻层间的连接权。采用递推预报误差算法训练神经网络 ,具有收敛速度快、收敛精度高的特点。由于其反馈特征 ,使得递归神经网络模型能获取系统的动态响应特性。该方法特别适用于传感器非线性动态建模 ,而且避免了传感器模型阶次的选择的困难。试验结果表明 ,应用递归神经网络对传感器进行动态建模是一种行之有效的方法     

基于递归神经网络的船舶运动极短期建模预报

建立了应用于大型船舶运动的极短期预报的递归神经网络结构及算法,并对该算法进行了稳定性分析,同时将该算法所取得的结果与自回归预报法和周期图预报法的结果进行比较,预报结果说明该算法的可行性.     

机载天线动态变形实时测量与补偿方法

针对高精度机载天线结构变形对电性能的影响,提出了天线动态变形实时测量并补偿的方法。针对该机载天线的高角度、实时、测量空间狭小的测量要求和难点,提出了采用基于光纤光栅传感器进行应变测量的方法,同时对该测量方法的原理、搭建过程进行了说明,并通过测试试验对其进行了验证,试验结果表明:该测量方法能实时获得机载天线由于风载、温度等造成的结构动态变形,并且可以在此基础上进行该天线的电性能畸变的实时补偿。     

基于FLANN的腕力传感器动态建模方法

本文将联接型神经网络（ＦＬＡＮＮ）引入传感器动态特性的研究。,利用神经元网络良好的逼近能力,建立腕力传感器的动态数学模型。该方法所建模型阶次低,准确度高,对数据个数和采样频率无特殊要求,比其它更为有效和实用。     

基于RBF神经网络的湿度传感器建模方法

针对高分子湿度传感器的测量精度易受温度影响的问题，提出了湿度硬件测量电路，建立了高分子湿度传感器的数学模型。此硬件测量电路的湿度传感器选用IH3605，温度传感器选用AD590。此数学模型采用RBF神经网络，利用在线测量的温湿度信号值，应用带遗忘因子的梯度下降算法进行网络参数的调整，同时给出了建模步骤。实际结果表明，该模型的误差小于0．5％RH，具有较高的精度。     

城市地铁车站基坑围护结构变形施工控制技术

在城市建筑密集区域进行深基坑施工时,其围护结构的变形对周围建筑物的安全性能影响十分重大。为此,提出一种城市地铁车站基坑围护结构变形施工控制技术。首先,对基坑周围的四个阳角进行加固,从根本上增强基坑围护结构的稳定性和承载能力。其次,采用倒角加固的形式,通过增加支撑刚度进一步控制基坑变形。最后,通过支撑换撑的方式确保坑道周边土体稳定。根据工程概况,确定施工工艺流程,对基坑维护周围桩顶的水平位移进行监测。试验结果证明,基坑围护结构变形结构安全性满足要求,能够提高施工过程的安全性和稳定性。     

具有未建模动态机械臂的自适应神经网络控制

对于具有未建模动态机械臂系统,基于神经网络对非线性函数的拟合特性,用径向基神经网络来补偿机械臂系统中的未建模动态,同时提出的自适应神经网络控制器,可以保证具有未建模动态的非线性机械臂系统的渐进稳定特性.仿真结果验证了这种控制策略的有效性.     

基于遗传神经网络的加速度传感器动态建模方法

提出了利用遗传神经网络实现加速度传感器动态建模的新方法，介绍动态建模原理以及算法，给出用遗传神经网络建立的加速度传感器动态数学模型。该方法利用加速度传感器的动态标定数据，采用遗传神经网络搜索和优化动态模型参数。这样，既保留遗传算法的全局搜索能力，克服神经网络容易陷入局部极小的缺陷，又具有神经网络局部搜索能力强的特点。结果表明：以上提出的动态建模方法具有建模精度高、鲁棒性好等优点。     

实时预报控制在磨床微机控制系统中的应用

本文提出了一种实时在线预报控制补偿导轨磨削精度的新方案。并提出了一种新型自适应预报模型,给出了具有模型误差补偿的三段互偶算法以及预报控制策略。实权测试和仿真控制结果表明,该方案算法收敛快,适应性强,实用价值高。     

磨削温度在线监控系统的预报建模

对磨削弧区温度进行在线监控，是磨削加工自动化必不可少的重要环节。针对磨削温度的变化特征有其不同的影响因素，对人工神经网络预报模型及灰色理论预报模型应用于磨削温度在线预报中的优缺点进行了分析，提出了一种新发展的ANN－GM（1，1）综合预报模型，并通过理论分析和工艺监控试验研究了该模型的合理性、适用性及应用范围等。     

盾构施工引起地表变形预测系统的设计与实现

讨论了盾构施工引起地表变形的因素和机理,介绍了采用BP神经网络技术对地表变形预测系统进行设计与实现的过程。结合工程实践,对系统预测精度进行研究,结果表明,采用BP神经网络对盾构施工引起地表变形进行预测是一种行之有效的方法。     

三坐标测量机基本运动误差的相关性及建模

针对现有几何误差软件补偿过程中采用线性插值法推算模型中的18项基本运动误差存在的问题,从理论上分析了构件沿各坐标轴运动18项基本误差的直线度误差与转角误差的内在关系,提出用4层前向神经网络建立三坐标测量机18项基本运动误差模型。并以国产SZC-654型三坐标测量机为例进行基本运动误差神经网络建模研究,提高了误差补偿精度。     

基于广义回归神经网络的时间序列预测研究

介绍了广义回归神经网络的基本理论,提出了应用BIC准则确定输入神经元数目的方法．将其应用于大型旋转机械振动状态时间序列的单步和多步预测,与传统的采用误差反向传播学习算法的三层前馈感知器网络(BP神经网络)的预测结果进行对比。结果表明,该网络的预测性能优于后者,即使样本数据稀少,也能获得满意的预测结果。     

重型轧辊磨床变形预测与控制

为提高重型轧辊的磨削精度,控制重型数控轧辊磨床的整体变形,针对重型轧辊磨床整体结构及其实际承载工况,建立了基于Abaqus的磨床变形有限元预测模型。结果表明,轧辊磨床顶尖位置变形最大、头架变形是影响轧辊磨削质量的关键部位。基于该模型,本文提出有效控制磨床变形的措施,即通过增大顶尖的接触面积,可使其变形减少43%;在关键部位的螺栓上施加预紧力,能减小联接部位变形量;通过改变或优化顶持力,以及顶持力与轧辊重量的比值,能够改善轧辊磨床的变形。     

基于LMBP神经网络的故障预报方法及其应用

利用具有二阶收敛效应的Levenberg-M arquardt(L-M)算法优化BP的权值修正量,提出了一种快速收敛的LMBP学习算法,给出了基于LMBP神经网络的故障预报方法,并应用于某陀螺仪的故障预报。结果表明:较之BP和传统改进BP网络,LMBP网络有着更高的收敛速度;基于该网络的时间序列预测模型可以实现性能优越的非线性预报器,将其应用于非线性系统的故障预报能够取得良好的效果。     

设备故障趋势预测的分析与应用

研究了设备故障趋势的预测方法，介绍了非线性自回归模型，提出将BP神经网络与非线性自回归模型相结合，针对实验室JZQ250型齿轮箱的测试系统建立了基于振动信号的神经网络预测模型。采用MATLAB软件中自带的神经网络工具箱，利用模块化的编程思想，编程实现了神经网络预测模型．并利用实验室数据的峭度指标进行了实验。首先给出网络的输入及对应的目标输出，然后经过训练获得网络的权值和阈值，最终构建齿轮箱故障趋势的预测神经网络，用来预测齿轮箱的故障趋势。结果表明，该模型能够有效地短期预测齿轮箱的典型故障，可以用于齿轮箱的故障诊断。     

薄壁工件铣削加工变形的预测

以铣削力模型和ABAQUS有限元分析软件为基础,采用考虑了刀具/工件变形耦合效应、材料去除效应以及工件变形引起铣削力加载点变化等因素的仿真预测方法,建立了薄壁工件加工变形预测的有限元分析模型,并对航空钛合金框体工件进行了铣削加工变形预测及试验验证,仿真结果与试验数据吻合较好。     

焊接变形预测与控制的研究进展

综述了焊接变形预测和控制的研究现状，介绍了对焊接变形进行预测的几种常用理论和方法，包括热弹塑性理论、考虑相变和耦合效应的有限元分析、粘弹塑性有限元分析、残余塑变法、相似理论、人工神经网络的应用等。同时介绍了控制焊接变形的几种方法，如反变形法、控制工艺参数、控制温度场以及系统综合分析等。最后讨论了焊接变形研究中需要解决的几个问题。