油膜附水滴切削液参数优化研究

油膜附水滴(Oils on Water,OoW)加工技术是一种新型的绿色加工技术,在机械加工中得到了广泛应用.本文基于响应面设计中心试验,选取空气压力、油流量和水流量作为变量,以切削力和表面粗糙度作为响应指标,通过Design-Expert软件进行分析,结果表明,在空气压力0.40MPa,水流量1.00L/h,油流量6...     

微量油膜附水滴切削液的研究

使用冷风、微量可自然降解油剂(植物油或脂油)和少量水，经喷雾形成的微量油膜附水滴切削液替代传统切削液，并在加工中心机床上与切削液分别采用微量油、微量水及乳化液的切削加工进行对比试验。试验结果表明，微量油膜附水滴切削液能使切削力减少30％左右，且具有良好的润滑和冷却效果，适用于切削加工。     

微量油膜附水滴磨削液的研究

使用冷风、微量可自然降解油剂(植物油或酯油)和少量水，经复合喷雾形成的微量油膜附水滴磨削液替代传统磨削液，在数控平面磨床上与磨削液分别为微量水、微量油及乳化液、可溶液的磨削加工进行了对比试验。试验结果表明，微量油膜附水滴磨削液可以达到乳化液和可溶液同等及以上的磨削性能，具有良好的润滑和冷却效果，适用于磨削加工。     

微量油膜附水滴切削40Cr合金结构钢试验研究

简述了油膜附水滴(oils on water,OoW)切削液的冷却润滑原理。通过干切削、常规浇注乳化液和OoW切削液三种冷却润滑方式,切削40Cr合金结构钢的切削力以及工件表面粗糙度的对比试验,研究OoW切削液的冷却润滑性能。试验结果表明,OoW切削液能有效减小切削力和表面粗糙度值。     

微量油膜附水滴切削对工件表面粗糙度的影响试验研究

采用正交试验方案,研究微量油膜附水滴切削（Oils on Water,OoW）时工件表面粗糙度的变化规律,并与干切削进行比较。通过对试验数据进行多元线性回归处理,建立适用于奥氏体不锈钢OoW切削时的表面粗糙度经验公式。方差分析显示,线性关系高度显著。试验结果表明：在采用较高切削速度、较低进给量、较大背吃刀量时,OoW切削较干切削能获得更理想的表面粗糙度;在相同切削效率的情况下,OoW切削所获取的工件表面粗糙度更低。     

基于神经网络和遗传算法的卫星结构参数优化

针对卫星结构要求总质量轻小、一阶固有频率较高的特点,建立了卫星结构多目标优化的数学模型,通过BP神经网络和遗传算法相结合进行参数优化,并编制了相应的计算程序,既利用了神经网络的非线性映射、网络推理和预测功能,又发挥了遗传算法的全局优化特性,得出了合理的优化结果,与传统的结构优化方法相比,此方法效率较高,精度良好.     

基于模糊理论、遗传算法和神经网络的切削参数混合智能优化

提出一种基于模糊理论、遗传算法和神经网络的混合智能优化技术,给出优化目标的优化数学模型,详细叙述了遗传算法的寻优过程,模糊理论的应用及神经网络的训练和学习获取优化切削参数的技术,并给出各种优化目标下的切削参数混合智能优化与普通搜索方法的对比实例。     

微量油膜附水滴切削试验研究

论述微量油膜附水滴(Oil on Water,OoW)加工液发生原理和冷却润滑特点.针对该切削液的冷却润滑特点进行车削试验研究,并在同干切削和乳化液冷却润滑加工方式对比研究的基础上,通过对切削力、平均摩擦因数和切屑形态的研究分析,揭示出微量油膜附水滴具有良好的冷却润滑效果.     

微量油膜附水滴的机械加工性能研究

通过油膜附水滴(OoW)切削液与干切削及乳化液润滑切削的对比试验,对OoW切削液的机械加工性能进行了研究.结果表明,OoW切削液具有良好的冷却润滑效果.采用OoW切削液的实验中,主切削力明显减小,切屑无烧伤现象,加工工件表面质量有明显提高.     

微量油膜附水滴切削性能的试验研究

通过对微量油膜附水滴切削液切削、干切削和乳化液切削进行对比试验,研究了微量油膜附水滴的切削性能。结果表明:微量油膜附水滴切削液能够显著提高切削性能;与干切削和乳化液润滑切削相比,采用微量油膜附水滴切削液能够降低切削力和加工表面的粗糙度值,延长刀具的使用寿命。     

基于神经网络建模和遗传算法的线切割工艺参数模糊优化

针对电火花线切割加工工艺难以获得更优异的工艺参数（如同时得到更快的切割速度和更好的表面粗糙度）等问题，先以神经网络建立模型，然后结合遗传算法和模糊理论求解此多目标优化问题，得到优化的工艺参数。结果显示。取得了较好的效果。     

基于遗传算法的数控铣床切削参数优化

数控机床是典型的机械制造工艺设备和工作母机,其在加工过程中会消耗大量能量,随着能源短缺问题日益突出,数控机床的能耗问题已成为当前国际关注的热点。主要对数控铣床的铣削参数进行了优化,提出了基于遗传算法的切削参数优化方法,该方法以数控铣床能耗和成本为优化目标函数,通过数控铣床技术参数确定约束条件,采用回归分析法获取铣削力参数,最后利用遗传算法对参数模型进行优化求解,并进行实验验证,实验结果表明优化后的切削参数可以满足切削要求,并达到了降低切削能耗的目的。     

基于神经网络的切削用量选择方法研究

以提高切削效率为目的,对数控加工中的切削用量进行智能化选择.首先建立BP网络模型,并确立了以刀具材料、加工工件材料以及刀具几何尺寸为输入层,铣削用量为输出层;然后对BP网络进行设计,确定隐含层和隐含层单元数目,并按照实际生产中所采集的随机的切削用量数据训练BP网络;最后对智能化选择的切削用量参数进行仿真、验证.将选取出的切削用量应用于实际生产,效果良好.     

使用混合递阶遗传算法训练径向基神经网络

递阶遗传算法是一种能够同时训练RBF神经网络的结构和参数的有效算法,但收敛速度较慢.这里在分析了RBF网络固有特性的基础上,提出用混合递阶遗传算法是对其进行训练,即对输出层采用最小二乘法,对隐层采用递阶遗传算法,并使用优化后的RBF网络对青霉素生产过程进行了建模,证明其有效性.     

基于Pareto遗传算法的螺旋铣加工参数优化

螺旋铣是主要针对航空领域中难加工材料的先进制孔工艺技术。在螺旋铣孔过程中,主轴转速、每齿进给量和每转轴向切削深度是3个最主要的加工参数。以材料去除量和刀具耐用度为优化目标,基于Pareto多目标遗传算法,针对螺旋铣削钛合金材料在稳定性切削条件下的切削参数进行了优化,主要考虑铣削参数对孔表面质量的影响。最终通过切削实验进行了验证。     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

基于遗传算法的神经网络控制器

本文介绍了一种用遗传算法训练神经网络控制器的设计方法,并将该控制器应用在对倒立摆的控制中,仿真实验显示了良好的控制效果.     

基于RBF神经网络的三维温度场重建算法

声学法测量温度场是目前很具发展前景的一种温度场测量方法,而重建算法是实现声学法温度场重建的关键.提出了一种基于径向基函数(Radical Basis Function,RBF)神经网络的三维温度场重建算法.通过对被测温度场进行三维离散余弦变换(Discrete Cosine Transform,DCT),再利用RBF神经网络良好的函数逼近能力,实现DCT低阶次项系数向量与声波路径平均温度向量间的映射关系,最后通过逆离散余弦变换实现被测温度场的重建.进行了对模拟温度场的重建仿真,结果表明,该算法具有温度场重建精度高、速度快等特点.     

基于免疫遗传算法的模糊径向基函数神经网络在高速电主轴中的应用

为满足高速高性能电主轴系统快、稳、准的控制要求,结合免疫遗传算法寻优速度快及模糊神经网络控制不依赖主轴系统模型的优点,设计了一种将模糊逻辑控制、径向基函数(Radical basis function, RBF)神经网络和免疫遗传算法进行有机结合的高速电主轴系统全局优化的控制策略,并将该智能控制策略成功应用于高速电主轴系统双闭环矢量控制系统的转速控制器中。通过免疫遗传算法对该智能控制器三类参数的同步优化取得了最佳控制效果,从而实现了对主轴输出转速的精确控制。试验和仿真结果验证了所设计的控制器能够精确控制主轴的输出转速,而且当高速电主轴受到突加负载冲击时,具有很好的抗干扰性能及较强的鲁棒性,使主轴系统具有优良的动、静态性能,实现了高品质驱动。     

基于BP网络和Pareto遗传算法的多目标协同优化

多学科设计优化（MDO）问题往往是多目标的。Pareto遗传算法（PGA）所求得的Pareto最优解集为设计决策提供了很大方便。针对在CO的计算构架中直接使用PGA会导致计算量过大的问题，提出基于BP神经网络和pareto遗传算法的多目标协同优化方法。采用试验设计方法选择设计点，构造具有全局近似能力的各学科优化神经网络响应面，进而采用PGA进行系统层优化问题的多目标寻优。用上述方法对某型干线客机进行总体多目标优化。与直接采用PGA求解MDF单级多目标优化模型所得的计算结果对比表明，所提出的方法能有效近似该问题的Pareto最优前沿．、