基于蚁群神经网络的耐热钢管热处理工艺优化

提出了一种神经网络与蚁群算法相结合的91耐热钢管热处理工艺参数优化方法.以4个主要热处理工艺参数为优化对象,5个材料力学性能指标为优化目标.首先进行正交试验,以试验数据为样本通过神经网络建立优化参数与优化目标之间的非线性映射模型,然后用蚁群算法对模型进行优化获取最佳热处理工艺参数.神经网络的非线性映射能力解决了优化建模困难问题,蚁群算法的智能化寻优能力克服了优化求解复杂的缺点.仿真试验显示热处理工艺参数优化精度高,材料力学性能指标预测误差小.     

基于蚁群神经网络的电阻点焊工艺参数优化

提出了一种神经网络与蚁群算法相结合的08Al钢板电阻点焊工艺参数优化方法.以试验数据为样本,通过神经网络建立焊接工艺参数与焊接性能关系之间的复杂模型,利用蚁群算法对焊接工艺参数进行优化,充分发挥神经网络的非线性映射能力和蚁群算法全局寻优能力.仿真试验显示了方法的有效性和优越性.     

基于CMAC神经网络的激光切割加工工艺参数的选取

提出了一种用神经网络技术构造激光切割加工工艺参数模型和建立加工参数自动选取系统的方法。利用CMAC神经网络算法，产生一个工艺参数自动选择器，将它嵌入到激光切割加工控制系统中，尤其适用于实时控制选取和改变加工工艺参数，进一步提高控制系统的智能和加工的柔性。     

数控焊接工作台的智能控制系统

基于现有数控焊接工作台,对工作台控制部分进行了进一步的研发。建立焊接工艺优化及预测模块,结合工作台的运动控制模块,实现焊接智能控制。文中选择BP神经网络对激光焊工艺参数进行优化,同时,分析不同焊接工艺对焊缝性能的影响。最终建立焊接工艺参数预测系统和焊缝性能预测系统,实现焊接工作台的智能化控制。     

基于改进粒子群算法神经网络的SS304不锈钢激光拼焊焊缝成形预测

为了研究SS304不锈钢板拼焊的焊缝成形效果,搭建了激光焊接试验平台和数据采集系统,并通过试验采集的数据样本作为神经网络的训练样本.建立了基于改进粒子群算法神经网络的激光拼焊焊缝成形预测模型,利用遗传算法群体搜索策略改进粒子群算法获得神经网络修正后的初始权值及阈值,以激光拼焊工艺参数激光功率、扫描速度、板厚和离焦量作为...     

基于数据预处理与智能优化的高炉铁液温度预测模型的研究

基于BP神经网络的数据预处理方法建立高炉铁液温度预测模型。首先通过对数据的滤波去噪及相关性分析,选择与高炉铁液温度相关的输入和测量变量;再用创新的智能优化算法(粒子群蚁群算法)优化BP神经网络的参数,从而提高模型的精度。依据生产现场实际数据进行的试验表明,所建立的基于数据预处理与智能优化的高炉铁液温度预测模型的命中率有明显的提高,对实际生产现场更具有指导意义。     

基于RBF神经网络的强力旋压连杆衬套成形质量预测研究

为了实现对强力旋压连杆衬套成形质量(壁厚差和扩径量)的预测,进而对工艺参数进行优化,利用MATLAB人工神经网络工具箱,建立了强力旋压工艺参数与成形质量的RBF神经网络模型。基于减聚类算法改进的K-means学习算法,用模拟实验所得数据对神经网络进行训练,进而对旋压成形质量进行预测,通过与实测值对比,发现所建神经网络模型预测性能良好,实现了RBF神经网络在强力旋压领域的成功应用,与原始K-means学习算法训练的RBF神经网络和BP神经网络所建模型比较,发现改进K-means学习算法训练的RBF神经网络预测模型拥有更优的性能。该模型不仅可以为工艺参数的优化提供参考,还能缩短工艺参数的优化周期和减少实际实验的成本。     

基于遗传算法和神经网络的软脆工件研磨加工工艺智能决策系统

目的解决研磨抛光工艺决策中工艺试验耗时耗力的问题,实现在研磨抛光加工中根据加工工艺参数对加工质量进行预估。方法采用遗传算法优化的BP神经网络为主要算法,构建智能预测模型,建立研磨加工中输入参数和输出参数之间的映射关系。然后收集有效的输入参数和输出参数作为网络训练和测试的样本数据集,通过遗传算法对神经网络的初始化权值和偏置进行优化,用样本数据集训练神经网络。同时,在决策系统的理论基础上,将神经网络与决策系统进行结合,利用神经网络的学习能力建立智能决策的数据库和规则库,最终建立智能决策系统。结果与无改进的BP神经网络的决策方法相比,无论是在预测精度,还是学习速度上,遗传算法优化的神经网络性能更加优异,决策系统的决策效果更好。结论研磨加工工艺智能决策系统是可行的,为研磨加工的工艺决策提供了一种新的思路。     

基于蚁群优化神经网络在机器人重复定位测试中的应用

为了弥补传统工业机器人重复定位精度为开环测试、测试成本高及测试过程复杂等缺点,提出了一种激光传感器测试系统与蚁群优化神经网络算法相结合的测试方法,通过蚁群优化神经网络算法的快速收敛性,能快速准确地对机器人在重复定位测试中进行预测,并根据预测结果对机器人进行定位精度补偿。经试验验证,重复定位精度预测值满足目标误差要求,能补偿机器人在重复定位测试中的定位精度。     

基于PSO-BP算法的3D打印制件精度预测模型

针对选择性激光烧结(SLS)中制件精度和工艺参数难以选择的问题以及BP神经网络本身缺陷,提出一种利用粒子群算法优化的BP神经网络建立SLS烧结件精度预测模型的方法。首先根据SLS成型工艺的特点,分析影响成型件精度的因素,通过实验获得不同激光功率、扫描速度、扫描间距和分层厚度条件下多组成型件精度数据,并采用多目标函数优化的单目标化思想优化目标函数,然后通过粒子群算法优化BP神经网络。用优化后的最优解作为BP神经网络算法的初始权值和阈值,利用MATLAB建立优化后的BP神经网络预测模型,对优化后的精度函数模型进行预测分析,并与传统BP神经网络获得的预测结果进行对比。结果表明:粒子群优化的神经网络模型具有良好的全局搜索能力和收敛性,精度预测更加准确,对SLS打印制件具有一定的指导作用。     

粒子群算法在提高激光弯曲中神经网络泛化性上的应用

采用径向基函数(RBF)神经网络建立了激光弯曲成形过程中激光功率、扫描速度、扫描次数与弯曲角度之间的预测模型。对TC4钛合金板材进行了激光弯曲成形试验,将试验数据作为训练样本对神经网络进行了训练,得到工艺参数与成形角度之间的映射关系。利用粒子群优化算法对RBF网络的参数进行寻优计算。结果表明:使用优化后的网络对测试数据预测时,误差由之前的4.714%减小到0.974%左右;使用粒子群优化算法能显著地提高RBF神经网络在预测激光弯曲成形角度时的泛化能力。     

基于Matlab/GUI的SMAW焊接工艺参数优化系统

以改进型遗传神经网络为基础,建立焊接变形预测模型,用于寻找焊接工艺参数和焊接变形之间的复杂非线性函数关系;再用该变形预测模型代替目标函数,建立以焊接工艺参数为优化变量、以横向收缩变形和角变形为优化目标的多目标优化模型。利用该多目标优化模型,在基于正交设计原理所构建的焊接工艺参数组合备选集中,优化得到符合条件的最优工艺参数组合。用Matlab语言和GUI技术开发了SMAW工艺参数优化系统,经实例验证,结果表明:本参数优化系统可有效应用于SMAW焊接工艺参数优化的工程实际中。     

激光切割加工工艺参数选取的神经网络方法

通过激光切割加工工艺实验,建立了相应的激光切割参数模型,应用改进ＢＰ神经网络算法进行参数选取,取得了满意的效果。     

基于BP神经网络和蚁群算法的机械手轨迹控制算法研究

为了提高机械手运行的平稳性,实现机械手控制的精准度,采用BP神经网络和蚁群算法相结合的方法实现机械手轨迹控制。首先,建立机械手运动轨迹模型,然后利用神经网络算法对机械手主要参数进行训练,接着,将输出预测的运动轨迹与机械手期望运动轨迹对比,以便求解更趋近于期望的最优参数。最后,借助蚁群算法对神经网络模型参数进行优化。经过实验证明：相比于传统BP神经网络算法,所提算法训练得到的角位移与期望角位移的拟合程度更高,且在空间三维坐标系的位移误差更小。     

基于BP神经网络的管材数控弯曲多参数优化方法研究

针对管材数控弯曲成形过程中多工艺参数耦合的特点,基于BP神经网络,结合多目标优化算法研究了弯曲成形工艺参数的优化方法。采用ABAQUS对管材数控弯曲过程进行有限元仿真,并实验验证了结果的准确性。基于MATLAB平台,以芯棒直径、芯棒伸出量、防皱块与管材间摩擦系数等主要工艺参数为优化对象,以外壁减薄率、内壁增厚率(起皱)为优化目标,通过验证的数值模型获得样本数据,利用BP神经网络建立了优化对象和优化目标之间的映射关系,并采用多目标优化算法进行寻优求解,最后通过数值仿真实验验证了优化方法的准确性。结果表明:薄壁管数控弯曲有限元数值模拟结果与实验数据吻合较好,可以为神经网络提供准确可靠的训练样本;BP神经网络结合多目标优化算法可以有效地对弯曲工艺参数进行优化;优化的工艺参数有效地改善了弯曲管材内侧起皱和外侧减薄。     

热处理工艺对Cr12MoV模具钢组织与性能的影响

以Cr12MoV冷作模具钢为研究对象,采用单道激光扫描与多道激光扫描相结合的方法,优化了单道激光表面淬火的工艺参数。结果表明,单道激光表面淬火下,激光功率为1 450 W时可以获得良好的硬化效果;搭接率为10%左右时,可以获得较好的搭接效果。     

基于BP神经网络和蚁群算法的机械手轨迹控制算法研究（英文）

为了提高机械手运行的平稳性,实现机械手控制的精准度,采用BP神经网络和蚁群算法相结合的方法实现机械手轨迹控制。首先,建立机械手运动轨迹模型,然后利用神经网络算法对机械手主要参数进行训练,接着,将输出预测的运动轨迹与机械手期望运动轨迹对比,以便求解更趋近于期望的最优参数。最后,借助蚁群算法对神经网络模型参数进行优化。经过实验证明:相比于传统BP神经网络算法,所提算法训练得到的角位移与期望角位移的拟合程度更高,且在空间三维坐标系的位移误差更小。     

蚁群算法数据点排序技术研究

逆向工程中对测量点云通过截面截取,生成截面数据点云,对截面数据点进行排序构建截面线从而生成曲面实体。截面数据点的正确排序在构建截面线的过程中非常重要,基于旅行商优化原理,运用蚁群算法研究了数据点的排序技术,通过建立适合蚁群算法的数学模型,设置合理的优化参数,给出了运用蚁群算法实现优化排序的过程,最后用实例验证了该方法的正确性。     

内燃机车奥贝球铁凸轮轴激光表面强化试验研究

对采用铸造的奥贝球铁代替20Cr合金钢制造大型内燃机车凸轮轴的激光表面淬火工艺进行了研究，通过实验，为奥贝球铁凸轮轴激光表面淬火提供工艺参数。     

激光切割加工工艺参数选取的神经网络方法

通过激光切割加工工艺实验，建立了相应的激光切割参数模型，应用改进ＢＰ神经网络算法进行参数选取，取得了满意的效果。