微孔钻削加工的钻削力监控

对以钻削力为监测对象的微孔钻削实时监测系统进行了研究。建立了一个BP神经网络模型,利用该模型对钻削过程进行监测。有效地避免了微钻头的折断,提高了微钻头的利用率。     

虚拟仪器技术在微孔钻削力实时监控系统中的应用

研制了一种基于虚拟仪器界面的高精度、高效率的微孔钻削力在线实时监控系统 ,初步探讨了虚拟仪器技术在微孔钻削过程中的应用     

基于粗糙模糊神经网络的微孔钻削在线监测方法

提出了基于粗糙集理论的模糊神经网络对微孔钻削进行在线实时监测的方法,能有效利用粗糙集理论对控制规则进行约简,再利用钻削力、钻削扭矩和主轴电机电流信号作为神经网络的输入,构建相应的模糊神经网络模型,对系统进行训练,进而对提取的精简规则参数进行优化,从而解决了常规粗糙集控制规则缺乏学习能力,自适应性差的问题.采用该方法可获取微细钻头磨损状态的信息,对微孔钻削过程进行在线实时监测,可有效避免微钻头折断,并降低制造成本,提高生产效率.     

基于虚拟仪器的微孔钻削在线监测自动控制系统

为防止微孔钻削过程中钻头折断,开发了基于虚拟仪器的微孔钻削在线监测系统.该系统能够完成主轴电动机电流信号的采集、数据处理、存储显示以及报警退刀等操作.具有硬件结构简单、监测精度高、抗干扰能力强等优点.实验结果表明,应用该系统进行微孔钻削在线监测,可以有效避免微钻头的折断,提高钻头的利用率.     

工程塑料上钻削微孔的研究

分析影响工程塑料切削加工性能的因素 ,寻找技术措施和切削规律 ,并通过微孔钻削实例 ,改善切削性能 ,使加工质量达到满意的效果。     

变时给量振动钻削微孔的研究

提出了变时给量振动钻削新方法,并分析了其降低微孔钻削入钻位置误差的机理,采用直径为Φ０．２８ｍｍ的高速钢麻花钻对１８Ｃｒ２Ｎｉ４ＷＡ低碳合金结构钢做了对比钻削实验,结果显著降低了微孔的入钻位置误差,验证了这种新方法优良的工艺效果。     

基于BP神经网络的钻削力预测研究

通过给定不同的钻头直径,转速和进给量,进行多次BTA钻削实验,获得了不同切削参数下钻削加工轴向力和扭矩。根据实验所得数据,利用MATLAB建立了BP神经网络预测模型,通过输入切削参数可以预测到轴向力和扭矩。将预测结果与实验测量结果对比表明,所建立的网络模型能够很好的学习输入和输出之间的关系,有效预测BTA钻削时的轴向力和扭矩,为其钻削性能的研究提供一定的依据和指导意义。     

微孔的超声振动钻削技术与工艺效果

介绍了一种超声振动钻削方法,并通过对孔径0.2～0．5min的微孔进行对比实验,分析研究了振动钻削的效果和切削机理,解决了微孔加工过程的一系列难题。     

工程塑料上钻削微孔的研究

分析影响工程塑料切削加工性能的因素，寻找技术措施和切削规律，并通过微孔钻削实例，改善切削性能，使加工质量达到满意的效果。     

微孔的超声振动钻削技术

随着机电产品的不断精密化和小型化,各种微孔的应用日趋广泛,其加工质量要求越来越高,加工难度不断上升。介绍了一种超声振动钻削方法,并通过对孔径0.2mm～0.5mm的微孔进行的普通钻削与振动钻削的对比试验,分析研究了振动钻削的效果和切削机理,较好地解决了微孔加工过程中的一系列难题。     

基于神经网络的曲面加工振动监测方法

文章论述了一种新的基于传感器信息的切削加工振动预测方法，提出了切削状态指数的概念，用于描述切削状态，利用神经网络规划切削条件与切削状态的非线性关系，给出了曲面加工切削振动状态的变化规律。     

基于神经网络的船舶舵桨装置状态监测

智能化诊断是现代设备诊断技：术发展的重要趋势，通过对船舶舵桨装置实施了近三年的磨损微粒监测和油液分析跟踪监测，获得了光谱、铁谱和污染度等监测数据，提出了采用神经网络模型判断舵桨装置磨损程度和油液含水量情况，通过训练和学习，结果是可信的和准确的。     

虚拟仪器设计中压力传感器的BP神经网络温度非线形校正

压力传感器的输入输出特性大部存在非线性，且易受工作环境温度的影响。利用LabVIEW图形化编程语言，辅以多参量数据采集卡，采用了基于BP神经网络压力传感器非线性校正的模型、算法和实现方法，探讨了虚拟仪器系统中对压力传感器特性进行温度非线性校正。通过计算机仿真与应用，显示了在虚拟仪器系统中使用这种方法不但使压力传感器的性能得到了改善，而且计算时间短，准确度高，有实际应用价值。     

基于反向传播神经网络的数字化工厂数据预测

数字化工厂数据涉及产品全生命周期,研究将反向传播神经网络应用于数字化工厂数据的预测。介绍了数字化工厂数据的组成,建立了反向传播神经网络,并分析了梯度下降的应用。通过运行程序得到预测结果,确认预测准确率达到95%。基于反向传播神经网络,可以对最终产品合格率、机器设备投资回报率及人力资源投资回报率进行预测。     

基于MATLABWeb服务器的BP神经网络分析资源的异地调用

MATLABWebserver环境为基于Internet的远程调用异地MATLAB及其环境下编制的应用程序资源的简单实现提供了条件。利用此环境实现了BP神经网络分析程序的异地调用 ,为机床构件人工神经网络分析系统的实现奠定了基础。     

基于神经网络注塑成型工艺参数优化

采用BP神经网络建立注塑成型工艺参数与注塑制品收缩率之间的网络模型,并通过试验数据对成型工艺参数进行优化。     

基于电流测量的数控机床切削力误差建模与实时补偿

从数控机床主轴驱动系统的传动机理出发，系统地研究主轴伺服电机电流信号与切削力之间的关系。利用模糊神经网络理论完成切削力误差建模，研制了数控机床的切削力误差实时补偿系统，并通过实例进行了验证。该研究方案避免了传统用测力仪进行切削力监测花费大、调试难、可靠性低等问题，所建切削力误差模型鲁棒性强，具有重要的工程实用价值。     

基于AHP和BP神经网络的锭子性能综合评价

目前我国部颁纺纱锭子测试标准,只有单一速度,单一振幅,单一功耗三个指标。为了科学反映锭子的工作性能与状况,研制了纺纱锭子性能综合测试平台,对锭子性能进行综合评价。确定纺纱锭子性能常用要素:振幅、温度、噪音、功耗作为评价指标,提出一种基于AHP和BP神经网络的锭子性能综合评价方法。运用层次分析法(Analytic Hierarchy Process,AHP)确定各项指标的权重,建立锭子性能综合评价的BP神经网络(Back Propagation Neural Network)模型,进行训练和测试。分析结果表明了基于AHP和BP神经网络的锭子性能综合评价的有效性与正确性。     

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BP神经网络模型,快速实现铣削过程刀具-工件系统振动状态的预估.预估的振动结果与实验测量数据较为吻合,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.