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。     

微孔振动钻削机理

振动钻削是在钻削过程中给钻头或工件加以可控制的有规律的振动而形成的一种新的切削方法。它可以降低钻削过程中的切削力和切削热,从而大大提高了加工精度和表面光洁度,延长了刀具的使用寿命。本文着重分析研究了微孔振动钻削机理,并通过试验研究,获得了微孔振动钻削的良好工艺效果。     

叠层材料振动钻削的计算机仿真

以灰色系统理论为基础,将GM(1,h)模型应用于叠层材料变参数振动钻削过程的仿真,运用灰关联度分析方法研究了叠层材料振动钻削过程中的振动频率、振幅、进给量等输入参数对工艺效果的影响,获得了钻削效果影响因素的显著性次序。理论分析和实验结果表明,用GM(1,h)模型进行仿真,建模方便、计算简单。为叠层材料振动钻削研究提供了新的方法和途径。     

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。     

多层复合材料微小孔振动钻削三参数优化

利用电控式微小孔振动钻床对多层复合材料的微小孔钻削进行了试验研究,对不同材料层的加工参数进行优化,进而提出多层复合材料阶跃式三参数振动钻削新工艺。试验表明,阶跃式三参数振动钻削的入钻定位误差ｒ、孔扩量△Ｄ、出口毛刺高度Ｈ值比普通钻削的相应值显著降低。     

变振幅振动钻削提高微小孔入钻定位精度的研究

分析了微小孔钻头轴向振动入钻时特殊的动力学行为及其对入钻定位误差的修正作用。首次采用振幅振动钻削的新方法，用直径为０．２８ｍｍ的高速钢花钻对１８Ｃｒ２Ｎｉ４ＷＡ低碳合金钢进行了钻削实验，结果在提高钻头寿命的同时显著提高了微小孔的入钻定位精度，验证了这种新方法新颖优良的工艺效果。     

叠层材料振动钻削虚拟集成环境

本文设计的叠层材料振动钻削虚拟集成环境可在材料实际加工前对振动参数和加工参数进行定性和定量的分析 ,并能确定优化的振动参数和加工参数 ,预测加工质量。分析了MATLAB与VC + +混合编程的特点与方法 ,简要说明了系统软件的框架结构及功能模块调用关系。系统仿真模型采用结合灰关联度分析法和残差补偿法的GM ( 1 ,4)模型 ,利用基于黄金分割法的反推算法进行参数优化。该虚拟集成环境为叠层材料振动钻削仿真与参数优化及实验模型的测试、检验、评估提供了方便。     

进给量对振动钻削孔径分散度的影响

分析进给量与振动钻削机理之间的关系,并就进给量对振动钻削孔径分散度的影响进行了研究。     

基于人工神经网络的锻造性能预报的研究

应用Ｇｌｅｅｂｌｅ－１５００热模拟试验机研究了１Ｃｒ１８Ｎｉ９Ｔｉ的热墩成形过程,得出了流动应力随变形条件的变化规律,测量了空冷后试件的硬度。首次采用人工神经网络对锻造性能进行预报,采用不同的改进ＢＰ算法加速了网络的收敛,得到了较好的网络信息,对１Ｃｒ１８Ｎｉ９Ｔｉ的锻造性能进行了较准确预报。     

人工神经网络在发电厂培训系统中的应用

为了解决用人工神经网络映射发电机暂态过程中,各个变量的变化曲线存在的网络结构以及权值和阈值的初始值难以科学地确定的问题,将遗传算法和传统的误差反传算法结合起来,对人工神经网络进行设计和训练。该方法在发电厂培训系统中的应用表明：这种方法提高了人工神经网络中权值和阈值的初始值的确定以及网络拓扑结构的设计的科学性,从而使人工神经网络容易出现的发散以及陷入局部极小点的问题得以避兔。     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

人工神经网络在轨道振动分析中的应用

综述了人工神经网络在轨道振动分析中的应用．介绍了轨道振动分析中人工神经网络常用的模型和基本性能；讨论了人工神经网络在该领域及相关领域的应用情况；最后展望了其发展趋势和应用前景．     

一种短期负荷预测的自适应神经网络方法

提出了自适应BP神经网络模型预测短期负荷的方法。依据负荷的日相关性把历史负荷分成24组样本数据,再用BP网络来映射样本数据。采用初始化样本数据,增大节点作用函数陡度,变换隐层节点作用函数形式,自适应调整学习参数等方法提高了BP网络的学习速度,得到了较为满意的预报结果．     

人工神经网络专家系统应用研究

叙述了人工神经网络的特征及其在专家系统中的应用 ,讨论了人工神经网络专家系统的优缺点 ,并进一步描述了其前景和意义 .     

基于BP神经网络的立铣加工振动快速预估

结合研制的立铣加工过程虚拟仿真系统和实验测量铣削力信号,训练并建立优化的1-20-1型BP神经网络模型,快速实现铣削加工过程刀具-工件系统振动状态的预估.对比神经网络模型预估的振动结果与实验测量振动信号可以看出,二者数据吻合较好,表明铣削虚拟仿真系统与神经网络技术的结合能够高效低耗地用于不同铣削加工条件下铣削振动状态的快速预估和加工过程监测.     

索力振动法测量神经网络赋泛研究

索的受力状态关系着索体系桥梁的安全,索力值是衡量索力学状态的重要指标.目前,索的边界条件难以判别是影响索力识别结果准确性的重要因素.为此,利用ANSYS对拉索振动进行数值模拟,并借助已有索力计算公式对建模方式的可靠性进行验证,并生成模拟数据;然后,以索长、线密度、抗弯刚度、1阶频率、2阶频率、3阶频率为输入参数,以索力...