基于小波神经网络的设计阶段成本估计

机械产品的成本构成复杂，在其设计阶段进行成本估计十分必要。在使用神经网络进行成本估计的基础上，利用小波分析对网络进行了改进，提高了收敛速度，并给出例子，在Matlab中进行了计算。     

基于BP神经网络的开关磁阻电机转子位置估计

转子位置的检测是开关磁阻电机调速系统中重要的一环,是定子绕组开通与关断的依据。现以开关磁阻电机绕组的相电流、磁链作为输入,转子位置作为输出,建立相电流、磁链和转子位置之间的非线性映射,利用BP神经网络实现开关磁阻电机转子位置估计。仿真结果表明,该方法能够快速、准确地测量转子位置,鲁棒性和自适应性强。     

果蝇优化BP神经网络路面附着系数估计

在利用BP神经网络进行路面附着估计时,存在收敛速度慢和易于陷入局部最优解等问题。为此,提出一种基于果蝇算法（FruitFlyingOptimizationAlgorithmFOA）对BP神经网络进行改进并给出算法的流程。建立路面附着系数估计BP神经网络模型,将果蝇算法引入到BP神经网络,对网络的初始权值与阈值进行优化,以增强网络的全局寻优能力。利用Carsim软件获取的样本数据对网络进行训练,并与MATLAB/Simulink软件搭建联合动态仿真模型,对比实验结果表明：基于FOA优化BP神经网络的路面附着系数估计方法不受车辆模型精度的影响,定性估计精度高,能有效提高估计值的精度和稳定性。     

自适应插值BP神经网络的ABS纵向车速估计

ABS作用下的纵向车速估计是实现汽车主动安全控制的基础。根据轮胎特性,确定最佳滑移率与路面附着系数的线性关系,将路面附着系数设为ABS控制的唯一输入,提出基于最佳滑移率的路面自适应ABS控制,仿真结果显示控制方法简单可行。针对传统BP算法的缺陷,给BP神经网络增加输入延时并采用粒子群算法优化BP网络的初始权值,提出了基于路面插值的BP网络车速估计算法,根据实时辨识的路面附着系数,对两个不同路面下网络的输出进行插值获取估计车速,验证不同路面和初始车速共25种工况下的车速估计绝对误差小于1.5m/s,相对误差小于5%。     

基于Matlab的BP神经网络设计

BP神经网络已广泛应用于非线性建摸、函数逼近、系统辨识等方面，但对实际问题，其模型结构需由实验确定，无规律可寻。简要介绍了利用Matlab语言进行BP网络建立、训练、仿真的方法及注意事项。     

基于改进BP神经网络的产品成本预测研究和实现

作为成本管理重要环节的产品成本预测是个非线性系统,目前还很难对其建立准确的数学模型.引入BP神经网络算法对产品成本进行预测,针对BP算法容易陷入局部最小的缺陷,提出了改进BP算法.根据产品成本的具体特征提取特征值并建立相应的神经网络,通过训练,网络具有较强的适应和学习功能,经测试表明,网络具有较高的预测精度,能够为企业生产运营提供可靠的依据.     

基于遗传优化的BP神经网络

人工神经网络的优化学习是其研究中的一个重要课题。将遗传算法用于BP神经网络的学习,将遗传算法的全局搜索和BP神经网的局部搜索相结合,并设计一网络实例加以训练,达到了比较满意的效果。     

基于前馈神经网络的汽车覆盖件模具报价系统

传统的模具报价方法已难以满足现代市场对高精度、高效率报价的需求.为此,提出了基于前馈神经网络的覆盖件模具报价方法.建立了兼有前馈神经网络法、重量法和基点工时法,可支持全流程报价的覆盖件模具报价方法体系;开发出支持产业链协作的覆盖件模具报价系统,并实现它与汽车模具产业链协作公共服务平台的集成,可对不同报价阶段、不同产业链应用对象提供支持.通过实例,验证了馈神经网络报价法的适用性、合理性和有效性.     

基于CBR技术与BP神经网络的产品成本估算

针对BP神经网络成本估算方法无法找出典型样本的问题,提出了基于实例推理(Case-Based Reasoning,CBR)技术与BP(Back Propagation)神经网络相结合的成本估算方法,利用CBR技术为BP神经网络筛选出典型实例样本。以QZ型抓斗桥式起重机的成本估算为例进行验证,结果表明基于CBR技术与BP神经网络的成本估算方法更加有效,精度更高。     

基于BP神经网络的非线性系统辨识

工业系统大多具有大滞后、非线性的特点,难于控制.本文介绍了基于BP神经网络实现对非线性系统的辨识和仿真分析,并给出了实例.仿真结果表明,该方法可以对工程中常遇的复杂的、非线性较强的系统进行辨识,具有一定的适用性.     

采用BP神经网络的叶片电解加工精度预测

工件成型精度的预测是实际电解加工的重要研究课题,快速、准确地选取加工参数并预测出工件的形状精度可以减少试验次数,缩短试制周期,降低生产成本。本文以某型发动机叶片为研究对象,对影响电解加工精度的主要加工参数进行了分析,结合工艺试验的数据建立了BP网络模型,并采用该模型进行了不同加工参数组合下叶片型面的预测。结果表明,该模型的预测精度比较高,具有一定的工程实用性。     

基于 BP神经网络的汽车内阻模型预测

分析了利用BP神经网络方法改进传统滑行法测量车辆内阻的可行性,并通过Matlab软件中的神经网络工具箱nntool实现了该网络的设计、训练和结果对比,表明利用BP神经网络的方法预测不同条件下车辆内阻是满足工程要求的。     

基于数值模拟的汽车覆盖件模具逆向设计

针对轿车后灯座,运用三维扫描测量设备进行测量,获得产品表面数据。采用逆向工程软件Imageware对测得的数据运用曲率分析的方法进行分割,然后对点云进行曲面重建。对得到CAD模型,运用Dynaform进行数值模拟仿真,并根据分析结果对模型进行了修改,最后成功设计出了成形模具。结果表明,逆向工程与数值模拟相结合,可以大大提高产品开发的效率。     

汽车覆盖件冲压模具三维CAD技术

汽车覆盖件模具设计、制造和调试是新车型开发研制的关键环节。覆盖件模具ＣＡＤ的难点在于模具接触曲面的设计和分析。本文探讨在ＰＲＯ／Ｅ环境下采用自顶向下和自底向上的方法进行覆盖件模具设计的技术、方法和过程,着重叙述利用ＰＲＯ／ＤＩＥＦＡＣＥ进行模具接触面设计、分析和空间曲面处理的步骤,包括模具型面、工艺余料、法兰、拉深筋、弹复角的生成和成形度分析等。     

基于BP神经网络的多相流计量方法的研究

针对原油中油、气、水多相流复杂的流动情况,利用气液分离器、水分分析仪、密度计和孔板流量计组合法的测量系统,提出了一种基于BP神经网络对传统密度法测量原理进行误差修正的多相流计量方法.利用MATLAB7.1对建立的BP神经网络进行训练和仿真,实验结果表明此方法用于多相流相分率和总流速的测量,误差范围均在±5%之内.     

基于MasterCAM的汽车覆盖件反求造型及数控力旺仿真

以汽车某覆盖件为例,通过对数据采集、测量数据的处理、曲面重构、实体造型、落料件的反求、成形过程模拟仿真几个步骤来说明如何利用MasterCAM进行反求及数控加工仿真.     

基于BP神经网络的MLC钨基合金叶片车削温度的预测

对钨基合金叶片特殊的力学性能进行了探讨,提出了借助Matlab神经网络工具箱,应用BP神经网络,建立车削温度预测模型的方法.模型在输入有关数据后得到了相应预测结果,与实验结果相比,有较高的吻合度.     

基于神经网络的压块机生产率预测研究

在对生产率影响因子分析的基础上,提出了应用正交试验法确定影响生产率的主要因子的快速方法。通过对主要影响因子与生产率的正交试验数据进行分析,得到用于BP神经网络预测模型的输入、输出变量以及训练神经网络所需的数据样本,多次试取隐含层和各隐含单元,并选取trainhn作为最优训练函数,建立了压块机生产率预测的人工神经网络系统。在试验结果中随机选取6组试验样本,进行连续5次挠度预测,预测值和试验实测值最大相对误差为0．14mm,解析结果表明：压块机预测结果与实验值吻合的较好,建立的人工神经网络预测模型具有较高的预测精度。     

基于BP神经网络的空间轮廓误差自适应补偿

提出了矢量化的空间轮廓误差建模方法,并基于BP神经网络提出了交叉耦合控制器参数的自适应调整方法,使用三层神经元,根据进给速率以及曲率的变化进行控制器参数的自适应调整,而在补偿量的分配问题上则充分利用已有数据,以减小系统的计算量。实例仿真表明,所提出的自适应控制方法在进给速率设定值变化以及加工轮廓的半径发生变化时,都可以很好地控制轮廓误差的大小,提高轮廓加工精度。     

基于神经网络的产品装配成本的估算方法的研究

提出了基于神经网络的产品装配成本的估算方法 ,运用该方法对某铁路货车产品重要部件的装配成本进行了估算 ,并且与线性回归分析法进行了比较 ,结果表明基于神经网络的估算方法大大优于线性回归分析法。该方法为设计人员提供了成本方面的决策依据 ,达到了产品最终成本的有效控制 ,在产品装配成本的估算中是正确和有效的。