共查询到20条相似文献,搜索用时 171 毫秒
1.
人工神经网络在激光加工温度场模拟中应用 总被引:1,自引:0,他引:1
研究了人工神经网络在激光加工温度场模拟用参数推算中的应用方法;并设计了相应的BP神经网络模型及软件;研究表明BP神经网络适用于对激光加工模拟的参数推算,其准确性优于回归分析不和函数插值法. 相似文献
2.
激光加工温度场模拟用参数数据库实现方法 总被引:2,自引:0,他引:2
本文研究了激光加工温度场模拟用物理参数数据库的实现方法 ,收集和整理了大量有关数据 ,并研制出有应用价值的激光加工温度场模拟用物理参数数据库系统 ;采用回归分析法和函数插值法推导出熔点等物理参数计算公式 ,利用已建立的数据库数据对所欠缺的有关数据进行推算补充。 相似文献
3.
以激光功率P、光斑直径D、扫描速度V等为输入参数,非相变硬化处理、相变硬化处理和熔凝处理等为输出参数,对材料为20CrMo合金结构钢进行激光强化处理工艺控制优化研究。通过大量试验与计算机模拟分析和对比,建立了激光工作参数与材料表面强化关系的BP神经网络工艺优化模型。经过与实验数据的比较,运用该模型可以方便、准确地选择激光工艺参数,控制材料表面强化类别和保证工作表面的质量,真实反映了激光加工工艺规律。 相似文献
4.
5.
基于进化神经网络的激光熔覆层质量预测 总被引:1,自引:1,他引:0
为了有效地控制激光熔覆层质量,采用反向传播(BP)算法建立了激光熔覆层质量(熔覆层宽度、熔覆层深度和稀释率)随激光功率、光斑直径和扫描速度变化的进化神经网络预测模型。针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,取代了一些传统的学习算法,设计了基于进化神经网络的学习算法。经过理论分析和实验验证,在神经网络的输出端得到期望的线性输出,并在训练样本之外,选取了5组工艺参数检验神经网络模型的可靠性,预测结果与相应的实验结果的最大相对误差为2.14%。结果表明,运用该模型可以方便、准确地选择激光工艺参数,提高激光熔覆层的加工质量。 相似文献
6.
7.
8.
9.
为提升激光熔覆修复技术的性能,提出激光熔覆修复技术参数模拟优化方法。通过分析激光熔覆技术工作原理及类型,确定激光熔覆修复技术参数。确定激光熔覆修复技术参数,引入BP神经网络方法,构建熔覆层形貌和激光熔覆修复参数之间的模型预测。采用粒子群优化算法,优化构建的激光熔覆修复参数预测模型,实现激光熔覆修复技术参数模拟优化。仿真结果表明:采用本方法对激光熔覆修复技术参数进行优化后,激光熔覆修复的效果较为理想,明显提高了激光熔覆修复技术的工作效率。 相似文献
10.
针对现有单激光视觉微位移测量方法中利用的图像特征信息不丰富,导致测量结果不精确的问题,本文提出了一种直射与斜射结合的双激光微小位移测量方法,配合BP(Back Propagation)神经网络实现位移的高精度测量。论文采用透镜成像和小孔成像的原理对双激光模型进行理论分析,使用ZEMAX对测距模型进行数值模拟,以验证所提方法的理论可行性与优越性;其次,根据数值模拟结果设计并搭建实验平台进行图像采集实验,提取一系列图像特征作为BP网络的输入,以位移参数为输出,构建位移预测模型。实验结果表明,相比单激光模型,本文提出的双激光位移模型有更高的测量精度,引入BP神经网络后,测量准确度达到99以上。本文为微小位移高精度测量提供了新方法与新思路。 相似文献
11.
12.
基于联想记忆神经网络模型的BP算法 总被引:4,自引:4,他引:0
提出一种改进神经网络BP算法的识别训练系统。实验结果表明,基于联想记忆神经网络模型的BP算法,大大降低样本可变系统的网络训练次数。该系统有效降低样本可变系统的网络训练时间,为BP算法应用于对实时性要求高的场合提供算法基础。 相似文献
13.
14.
为了预报电力系统负荷,采用GRNN(广义回归网络)的方法,通过GRNN神经网络和BP神经网络建立电力系统负荷预报网络模型,用MATLAB7.0仿真,达到了预测的目的。利用GRNN神经网络预测结果准确率高,避免了BP网络预测同样的数据库,算法冗长,网络预测结果不稳定的缺点,GRNN网络具有更好的预报精度。 相似文献
15.
BP算法的改进在Matlab的实现研究 总被引:6,自引:0,他引:6
利用Matlab中的神经网络工具箱提供的丰富网络学习和训练函数,对BP网络和BP算法的优化方素进行仿真.得到较优的BP算法。 相似文献
16.
17.
18.
19.
为对传感器进行非线性校正以进一步提高其测量精度,提出了基于神经网络的校正办法。理论分析了传感器非线性误差的复杂性,并以位移传感器标定为例,详细介绍了传感器非线性校正的过程和方法。采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正,设计并实现了RBF网络的校正模型。实验结果证明,RBF网络的校正方法比BP网络校正方法精度提高了约44%,其补偿效果更优,且其在传感器种类变化或环境影响较大的情况下比最小二乘拟合更具非线性补偿优势。 相似文献
20.
《Mechatronics》2015
Pneumatic Artificial Muscle (PAM) actuator has been widely used in medical and rehabilitation robots, owing to its high power-to-weight ratio and inherent safety characteristics. However, the PAM exhibits highly non-linear and time variant behavior, due to compressibility of air, use of elastic-viscous material as core tube and pantographic motion of the PAM outer sheath. It is difficult to obtain a precise model using analytical modeling methods. This paper proposes a new Artificial Neural Network (ANN) based modeling approach for modeling PAM actuator. To obtain higher precision ANN model, three different approaches, namely, Back Propagation (BP) algorithm, Genetic Algorithm (GA) approach and hybrid approach combing BP algorithm with Modified Genetic Algorithm (MGA) are developed to optimize ANN parameters. Results show that the ANN model using the GA approach outperforms the BP algorithm, and the hybrid approach shows the best performance among the three approaches. 相似文献