利用人工神经网络预测焊接熔池形状

本文叙述了人工神经网络的基本原理,并利用BP神经网络对采用脉冲激光焊接工艺焊接铝时的熔池形状进行了预测.     

基于人工神经网络与回归分析的水质预测

针对人工神经网络在预测中出现的异常值现象,采用了回归分析模型得到的预测区间来控制异常值现象的方法．并且应用在黄河三门峡河段的水质预测中,氨氮通量预测的网络模型控制前平均精度仅有50．05％,这是因为2006年6月份预测值偏离真实值太大,预测相对误差达到214．88％,超出了回归预测区间,从而影响了整体精度．控制后该月的相对精度为90.08％,平均精度达到80.79％,整体预测精度明显提高．实践表明,该方法对于消除网络模型预测中出现的异常值现象是较为有效的．     

基于傅立叶描述子和人工神经网络的步态识别

提出了一种基于傅立叶描述子和神经网络的步态识别方法.对于每个步态序列,通过背景减差检测运动目标的轮廓,使用傅立叶描述子对轮廓线进行描述,获取步态特征.运用人工神经网络分析方法,对步态进行自动识别.结果表明所提的步态识别方法具有较高的识别性能.     

基于GA-BP神经网络的单桩承载力预测

针对BP神经网络易收敛慢、易陷入局部极小等不足,引入遗传算法处理了BP的初始权值和阈值,并在此基础上建立了长螺旋压灌混凝土桩复合地基单桩极限承载力预测模型.利用该模型通过对现场工程数据进行了学习、训练以及预测检验.预测结果精度高,表明此模型是有效的,并在单桩承载力预测方面具有较好的应用价值.     

基于禁忌搜索的前向神经网络的径流预测

BP算法具有学习效率低、收敛速度慢和易陷入局部极值的局限,针对此不足,提出将禁忌搜索算法与前向神经网络相结合方法,即采用禁忌技术指导神经网络的参数调整,从而使参数调整过程中避免了局部邻域搜索,具有收敛于全局最优的能力.该方法应用于新疆伊梨河雅马渡站年径流量的预测建模,并与用传统BP算法的预测建模相比较,结果表明:基于禁忌搜索的前向神经网络优化算法不仅提高了算法效率,而且预测精度也有一定的改善.     

基于模糊神经网络的丝织物缝纫性能预测

根据面料FAST力学性能指标与缝纫性能之间的关系,应用主分量分析对FAST高维输入数据降维,提出了一种基于模糊神经网络的丝织物缝纫平整度客观评价系统.实验结果证明,系统可以根据织物的不同结构及物理性能快速准确地预测丝织物的缝纫平整度.     

异种金属物理性质对激光焊接熔池的影响

异种金属材料的物理性质会对焊接冶金化的整个过程产生很大的影响.在综述几类异种金属激光焊接的研究现状时,主要分析了Cu和Fe,Ni和Ti,Cu和Ni,Fe和Al这几时异种金属间的熔点、导热系数和溶解度的差异,对激光焊接凝固后熔池的形状、成分变化和微观组织特征的影响.     

保护气氛中添加活性气体对焊接熔池形态影响的研究现状

在惰性保护气氛中添加活性气体可以有效地控制熔池形态,并且易于调节熔池中氧元素的含量(质量分数(wo),以下同).就氦(He)和氩(Ar)保护气氛下分别添加O,2和CO2对焊接熔池形态的影响进行了综述,并总结出最优的活性气体添加量.讨论不同焊接工艺下焊接熔池形态变化程度,对优化生产工艺有一定的指导意义.     

基于RBF神经网络的电流保护

提出了一种基于RBF神经网络的全新的电流保护方式 该网络采用的是 3层RBF神经网络模型 ,由三部分构成 :故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2 ;振荡识别子网络ANN3 对该模型进行了各种故障状态的测试 ,进行了仿真实验 ,并与BP网络进行了比较 ,发现RBF网络训练速度快 ,且证实了基于RBF网络的电流保护的可行性     

图像处理在焊缝熔池控制中的应用

综述了图像处理技术在焊接过程控制、参数选择、焊缝形状预测、性能预测及焊接缺陷检测等方面的应用,介绍了图像处理在焊接领域应用中有待解决的问题及发展趋势．     

焊接熔池形状的影响因素

焊接熔池形态是与焊接过程和焊接质量密切相关的因素,熔池的形状不仅决定了焊缝的形状,而且对焊缝的组织、力学性能和焊接质量有重要影响.熔池形状最重要的参数是熔深,它直接影响到接头的承载能力;其次是熔宽,熔池的宽深比对于提高焊接质量具有重要意义.     

TiNi形状记忆合金精密脉冲电阻对焊接头的形状恢复率

对TiNi形状记忆合金精密脉冲电阻对焊接头形状恢复率进行了研究。分析了焊接热量、焊接压力、焊后热处理等焊接参数及冷热循环对接头形状恢复率的影响 ,并对接头的显微组织进行了分析 ,得出了获得最佳接头形状记忆效应的条件。     

基于神经网络的增程式电动汽车能量管理策略研究

针对以燃料电池堆为增程器的增程式电动汽车不同于一般燃料电池汽车的特点,提出了一种新的综合考虑燃料电池效率和蓄电池充放电效率的能量管理策略.基于神经网络将策略实现,并在由ADVISOR建立的整车模型上进行仿真验证,取得了更长的续驶里程.     

基于小波分析和神经网络的渗碳层深度分类

提出了一种基于小波理论的新的特征值提取方法,较全面地反映了信号的时频特征,并将小波包提取的特征值输入到BP网络,对7种不同渗碳层深度的试件进行了分类.实验结果表明,小波包特征值提取和BP神经网络分类器相结合,可以实现对不同渗碳层深度的分类,其效果良好、精度较高,有一定的实用价值.     

GTAW焊接过程中熔池发展的数值模拟及与实验结果的比较

用描述等离子弧和熔池中的流体流动和传热过程的数学模型对熔池的发生进行了数值模拟，模拟结果和文献中实验结果的比较表明，该数学模型能较好地预测熔池的形状和大小，模拟结果中所得到的双循环流动对理解实验所得的测熔池的形状有重要意义。     

基于人工神经网络的点焊工艺参数选择和质量预测

将人工神经网络技术（ＡＮＮ）引入点焊领域,建立了点焊工艺参数选择ＡＮＮ系统和点焊接头质量预测ＡＮＮ系统。验证表明,ＡＮＮ预测精度较好,为点焊工艺参数优选及焊点性能预测提供了一条新途径。