基于神经网络的自由曲线插补研究

介绍了利用神经网络的非线性逼近能力和自学习能力,对未知表达式的曲线进行辨识,并利用从曲线的神经网络辨识模型中得到的数据,建立一个数控系统的神经网络插补控制器,实现对未知表达式曲线的插补。通过理论研究和仿真试验表明,这种方法能够较好地完成这类曲线的插补。     

基于三层前向神经网络的抛物线轮廓插补

文章利用了一种基于三层前向神经网络的非线性轮廓插补算法,对抛物线轨迹进行曲线插补,并将基应用于超精密机床数控系统中,进行实验加工验证。结果表明,该算法具有插补速度快、插补精度高,插补步长变化小等特点,并且还可在每个插补周期内提供多种插补信息,能够满足实时插补的要求。     

一种三次插值样条曲线的插补方法研究

针对复杂轮廓零件数控加工的实际需求,基于数据采样插补原理,对一种三次插值样条曲线的插补算法进行了研究.样条曲线进行参数化运算插补,先使用一系列首尾相接的微小直线段来逼近给定的插值样条曲线轮廓,再利用轨迹空间与参变量空间的对应关系,控制参变量,求取插补点坐标,得到整个离散化插补轨迹.此算法加工速度稳定性高,有利于高速高精地生成插补轨迹.     

基于神经网络理论的数控插补原理与应用

在分析神经网络模型模拟非线性函数的学习训练过程及曲线曲面的数控插补原理的基础上，提出一种基于三层ＢＰ网络的任意空间曲线插补方法，并以平面内三次来例，进行领导具计算。结果表明，选取合适的插补周期以及足够的隐层节点数，神经网络可以精确地模拟曲线。     

CNC插补的前馈神经网络模型仿真

神经网络具有较强的非线性处理能力和自学习能力，本文提出了ＣＮＣ插补的神经网络模型和基于神经网络的ＣＮＣ插补原理，介绍了基于神经网络的抛物线插补实例及仿真结果，研究表明神经网络插补器是可行的和有效的。     

曲线的通用参数插补算法

一般的ＣＮＣ系统往往只提供直线和圆弧插补功能。尽管一些较新的系统也提供了二次曲线或某些样条曲线的插补程序，但仍然不能满足ＣＡＤ系统的曲线和曲面造型能力对ＣＡＭ系统的要求。本文研究了曲线的参数插补技术，提出了曲线的通用参数插补算法。     

基于神经网络理论的数控插补原理与方法

在分析神经网络模型模拟非线性函数的学习训练过程及曲线曲面的数控插补原理的基础上，提出一种基于三层ＢＰ网络的任意空间曲线插科方法，并以平面内三次曲线为例，进行仿真计算。结果表明，选取合适的插补周期以及足够的隐层节点数，神经网络可以精确地模拟曲线。     

基于PLC的开放式数控NURBS插补功能的研究与实现

针对一种基于PLC的开放式数控系统,应用NURBS(Non-Uniform Rational B-Spline)曲线插补技术,对传统的自由曲线插补算法进行改进.同时根据STEP-NC标准对CAD/CAM/CNC一体化的新型数控插补方法进行研究,利用ActiveX技术实现了与CAD系统的数据交换,并在实验数控系统中加以应用.实验结果证明该插补算法可以有效地提高实时插补速度和精度,提高数控系统的工作效率.     

NURBS曲线插补技术研究

基于一种等弧长插补思想,综合考虑插补精度要求,实现进给速度随曲线曲率变化的调整.     

数控加工中的高次曲线的一种插补方法

提出了一种在数控加工中对高次曲线方程进行插补的计算方法,同时利用此方法对实际曲线进行了插补计算结果,证明此方法为一高效精确的插补方法。     

基于人工神经网络凸轮轮廓插补算法研究

提出了一种利用人工神经网络的非线性逼近和自学习的能力,对凸轮轮廓进行曲线插补的方法,理论研究和仿真试验表明,该方法插补速度快、精度高、能够满足实时插补的需要。     

Prediction of the machined surface quality of ball-end milling of H13 die steel using MLBP method

Abstract

Based on the characteristics of the surface quality prediction system of high-speed milling, the prediction model is used to predict the surface quality of analyzing the advantages of the two methods of using the multilinear and BP neural network model (MLBP) method. This article through the in-depth study of the surface quality, study the surface quality prediction based on the characteristics of multiinput multioutput nonlinear systems, respectively, established a linear regression equation, BP neural network model, and the surface quality of specific conditions to start prediction. The prediction results show that these prediction methods can play a special role as certain conditions. However, owing to the limitations of multiple linear regression and BP neural networks, their generalization ability and robustness cannot meet actual needs. Drawing on the idea of interpolation, and analyzing the advantages and disadvantages of linear regression and BP neural network to solve nonlinear problems, a new prediction method is developed. The main idea are to use interpolation method to insert preprediction under the premise of linear prediction; to process the values and obtain a unified prediction result from linear regression; to combine the experimental results from the pretreatment results; to use these input information as the input content of the BP neural network; to establish a training model based on the BP neural network model self-learning process. This training model predicts the quality of the machined surface. This method is abbreviated as the MLBP method. The experimental results and comparison of model prediction results show that this method can effectively improve the generalization ability and robustness of the prediction model, and further improve the model’s prediction accuracy.     

BP和RBF神经网络在人脸识别中的比较

BP和RBF是模式识别中应用最为广泛的2种神经网络，本文将这2种网络应用于人脸识别，分别建立了人脸识别模型。利用ORL人脸图像数据库进行了仿真实验，通过对比分析它们各自的识别率和泛化能力等性能指标，提出了在应用这2种神经网络进行模式识别时应注意的方面。     

小波神经网络在柔性制造系统优化配置中的应用

将小波神经网络引入到FMS的优化配置工作中，结合实验设计、仿真实验和神经网络训练，提出对高度非线性柔性制造系统建模的一种新方法。文中介绍了该方法的实现原理，通过实例验证用于非线性函数逼近的多维小波神经网络算法的正确性，并针对一个工程实例，说明这种建模方法的可行性。     

基于ANFIS模糊神经网络的微钻头破损监测

使用轴向力和扭矩信号监测微孔钻削过程，提出了基于ANFIS模糊神经网络作为微钻头破损状态监测模型。该模型能够较准确描述钻头破损和信号特征之间的非线性关系，和常用的BP神经网络相比，具有收敛速度快和局部学习能力等优点。实验结果表明：采用ANFIS模糊神经网络对提高微钻头监测的准确性非常有效。     

Preisach迟滞逆模型的神经网络分类排序

为了补偿影响压电陶瓷执行器纳米定位系统精度的迟滞非线性,提高系统的控制精度,开展了基于压电陶瓷执行器的迟滞非线性逆模型的研究。兼顾到迟滞的擦除特性和建模的精确度,提出了一种Preisach逆模型分类排序法的神经网络实现方法,用神经网络取代了传统的反查值方法,以避免插值误差。建立三层BP神经网络,运用实测数据进行训练,确定各层权值;然后,结合排序得到的电压和位移极值信息,通过神经网络方法拟合出较精确的输入电压值。运用若干组实验数据检验了此逆模型的有效性,结果表明,该神经网络的实现方法将逆模型的平均误差降低到了1.5V以下,最大误差绝对值降低到了2.7V以下。与反查值方法相比,神经网络实现方法有效提高了压电陶瓷执行器纳米定位系统的迟滞逆模型的精度。     

神经网络预测控制算法及其应用

结合神经网络和预测控制的优点，提出了一种神经网络模型预测控制算法。将这种算法用于热交换器温度控制系统的仿真研究表明，该控制方案表现出良好的控制品质并能适应被控对象参数的变化，具有较强的鲁棒性和自适应能力，从而为非线性、大滞后系统的实时智能优化控制的实现提出了一种有效的方法。     

基于AR模型和径向基神经网络的滚动轴承故障诊断

径向基函数(RBF)神经网络是一种三层前馈型非线性神经网络，它具有较强的函数逼近能力和分类能力。根据径向基函数神经网络的优点，在对滚动轴承正常和故障振动信号特征分析的基础上，提出了采用时间序列方法对其建立AR模型，利用AR模型特征参数建立径向基函数神经网络，并用该网络对滚动轴承的故障信号进行了诊断。理论和试验证明了该方法的有效性，且具有较高的诊断精度。