基于模糊神经网络的TC4钛合金铣削力建模与仿真分析

模糊神经网络是模糊逻辑与神经网络的结合,将二者融合应用到铣削力动态系统建模与仿真上,可以弥补神经网络在模糊数据处理方面的不足和纯模糊逻辑在学习方面的缺陷,即弥补铣削加工钛合金(TC4)过程中影响铣削力的复杂因素对铣削力的不利影响和提高利用纯模糊数据处理建立铣削力数学模型的精确程度.采用正则化模糊神经网络学习算法建立了铣...     

基于RBF神经网络的花岗岩加工铣削力预测研究

以花岗岩铣削加工中金刚石铣刀为研究对象,对直接导致刀具断裂影响加工效能的关键因素——铣削力进行了研究。针对花岗岩加工铣削力理论公式在实际应用中的局限性,提出了一种采用实验法和神经网络预测相结合的方法。利用实验获得神经网络铣削力预测的建模样本和验证样本以及刀具的断裂极限,利用RBF神经网络对花岗岩加工的铣削力进行了建模预测,通过实验数据验证了该模型的准确性,通过该模型预测获得优选的加工参数,并进行了应用。结果表明该方法有效地提高了刀具的加工效能。     

模糊神经网络在精密卧式加工中心热误差的预测

为了提高精密数控机床的加工精度,减少精密机床的热误差,文章提出了模糊神经网络径向热误差的建模方法。以数控加工中心关键点的温度和主轴径向的热变形量的关系为基础,应用模糊神经网络建模法,采用精密卧式加工中心主轴径向热误差的数据,对机床主轴热误差进行建模与预报。从数控机床主轴建模试验结果分析表明,模糊神经网络预测模型能够较为精准的对机床主轴径向热误差的做出预测,在实际应用中有利于提高机床的补偿精度,对数控机床热误差补偿提供参照。     

基于模糊神经网络的表面粗糙度建模研究

根据零件表面粗糙度形成的复杂性,提出了一种基于模糊神经网络的表面粗糙度预测建模方法,并以外圆车削加工为例,建立了车削加工参数与工件表面粗糙度的预测模型。试验表明,所提出的模糊神经网络建模方法可对零件表面粗糙度进行有效预测。     

超声振动辅助加工表面微结构及其特性研究进展

针对超声振动复合加工方法种类繁多且表面微结构指征复杂等问题,阐述了表面微结构的内容和研究现状,论述了国内外超声切削、磨削、表面强化等方法的加工原理及超声振动加工表面微结构特性的试验研究方法,归纳了超声振动条件下表面粗糙度、表面微观形貌的建模方法及其特点,讨论了实验回归建模、数值解析建模和神经网络建模的研究进展,并预测了国内外超声振动表面加工的新技术领域和发展方向,对改善高性能难加工材料的表面微结构特性具有重要意义。     

数控超声加工效率仿真控制平台界面设计

在数控超声加工效率正交试验、数据分析、人工神经网络建模与仿真基础上,基于MATLAB的图形用户界面设计工具和超声加工的影响因素,设计了数控超声加工效率仿真控制平台.在此平台上,集成了数控超声加工效率研究内容:对数控超声加工效率进行了极差分析、方差分析、回归分析、神经网络建模与仿真、加工效率预测等.为数控超声加工研究创建了友好的人机交互使用系统.     

电火花加工过程模糊神经网络控制策略研究

在研究相平面非线性规划的基础上，对电火花加工的控制过程进行合理分解，提出用人机系统的观点，研究以人机智能结合的方式来实现电火花加工过程模糊控制的优化设计方案。设计了一种预测神经网络和模糊神经网络协调作用的电火花加工模糊神经网络新型控制器，研究了控制器的离线训练数据和在线训练数据的获取方式、离线学习和在线学习算法。     

可控电解珩磨准稳态加工去除规律的神经网络建模

针对可控电解珩磨准稳态加工中参数的多样性及因果关系的不确定性，提出一种应用人工神经网络建立准稳态加工去除规律模型的方法，通过理论分析给出应用神经网络建模方法的可行性。经实验验证，所建模型具有较高的计算精度。     

基于BP神经网络的电解加工工艺参数优选研究

电解加工中通过适当地控制工艺参数可获得较好的表面质量.运用正交试验方法研究了工作电压、电解液压力、初始间隙、阴极转速及阴极进给速度对电解加工表面质量的影响,得到了优化的工艺组合.在此基础上运用BP神经网络对试验数据进行分析处理,预测了较正交试验分析结果更为优化的工艺组合,并用试验验证了其正确性.结果表明,经正交试验数据训练过的BP神经网络,较好地映射了工艺参数与优化指标之间的复杂非线性关系,应用BP神经网络对工艺参数进行优选研究能得到更全面、准确的结果.     

基于6-SPS并联机床加工自由曲面的仿真

随着对复杂零件应用的不断深化，对该类零件的精密加工要求也在不断提高。本文主要介绍了采并联机床加工自由曲面的数学建模，并简单介绍了对自由曲面进行轨迹规划。