基于改进型支持向量机算法的轧机轧制力预测

考虑到基于神经网络算法建立的预测模型虽然具有较好的预测精度,但是神经网络模型需要大量的训练样本,另外会增加模型的复杂程度,研究了一种基于改进型支持向量机的轧机轧制力预测模型,建立基于RBF核函数和多项式核函数的最小二乘支持向量机,并使用协同量子粒子群算法对混合函数的参数进行寻优,以提高预测模型的预测性能。由协同量子粒子群算法优化得到了基于改进型支持向量机的轧机轧制力预测模型中的RBF核函数参数γ值、惩罚系数c值、多项式核函数参数q值和两个核函数的权重a值。通过实例研究表明:使用本文研究的改进型支持向量机的轧制力预测模型预测相对误差在4%～6%之间,多组数据的平均值误差为4. 83%。验证了本文研究的基于改进型支持向量机的轧机轧制力预测模型的可行性。本文研究的预测模型相比其他3种对比模型耗时更长,但是相比之下提高了预测准确率,更具有实际意义。     

基于特征融合与HPO-RVM的滚动轴承剩余寿命预测

为准确预测轴承的剩余使用寿命,提出基于特征融合与猎食者-猎物优化(HPO)算法优化相关向量机的轴承剩余寿命预测方法。提取时域、频域和时频域特征准确描述轴承的退化状态,利用综合评价指标对提取的特征进行筛选得到敏感特征集;采用核熵成分分析对敏感特征进行自适应融合,得到轴承的退化特征;构建混合核函数作为相关向量机的核函数以提高模型预测性能;最后,利用HPO算法得到混合核函数的参数,将寻优得到的参数用于寿命预测模型的训练。通过对轴承加速退化数据集进行实验,结果表明：所构建的寿命预测模型优于BP、ELM、SVM等模型,构造的混合核函数模型优于高斯核函数模型,采用的优化算法优于粒子群、遗传算法等。     

基于GA-BP混合算法的液固挤压工艺组合参数逆向设计

为改善液固挤压复合材料成形过程中金属的流动均匀性,减少制件的内部损伤缺陷,基于人工神经网络及遗传算法,采用改进的混合GA-BP算法建立了设计参数与控制目标的非线性映射关系。通过对样本集的学习,初步建立了液固挤压工艺组合参数知识库,将网络预测值与实验值进行对比,其最大相对误差不超过0.79%,说明采用GA-BP混合算法建立的预测模型具有较高的预测精度。利用所建立的预测模型,分析了模具参数和工艺参数组合对制件变形均匀性的耦合作用,为液固挤压工艺的综合设计与优化提供了理论依据。     

基于改进BP算法的模具零件表面抛光质量预测研究

针对模具零件表面自动化抛光的工艺参数现场调试困难、抛光后模具零件表面质量不一致等问题,提出了基于改进BP算法的模具零件表面抛光质量预测模型。通过采集模具零件表面抛光试验样本参数,构建预测模型输入参数集,将混沌理论、动态权重、动态学习因子和高斯变异策略引入粒子群优化算法（PSO）,利用改进后的粒子群优化算法（IPSO）对BP算法中权值和阈值的更新策略进行优化,并构建了基于IPSO-BP算法的模具零件表面抛光质量预测模型,结合快速非支配排序遗传算法（NSGA-II）建立多目标优化模型,实现对模具零件表面抛光质量的高精度预测以及抛光工艺参数的优化,对比5种常规预测模型,结果表明基于IPSO-BP算法的预测模型具有较高的预测精度。     

基于IAFSA优化LS-SVM的变压器故障识别研究

为快速、准确识别变压器在运行过程中出现的不同故障,文章运用改进人工鱼群(IAFSA)对最小二乘法支持向量机(LS-SVM)的参数进行优化,并提出了一种新的变压器故障识别方法。首先,利用加权平均方法与调整函数对人工鱼群算法进行改进,并运用改进人工鱼群算法对最小二乘法支持向量机算法的惩罚因子与核函数进行优化,提高诊断模型的识别精度;其次,对变压器不同故障样本数据进行分析;最后与实际故障参数对比,验证该方法的准确性、可靠性。研究表明,基于改进人工鱼群算法优化LS-SVM的变压器故障识别方法可准确地识别变压器在运行过程中出现的故障,为变压器工作状态监测提供新的思路。     

基于PSO-BP算法的3D打印制件精度预测模型

针对选择性激光烧结(SLS)中制件精度和工艺参数难以选择的问题以及BP神经网络本身缺陷,提出一种利用粒子群算法优化的BP神经网络建立SLS烧结件精度预测模型的方法。首先根据SLS成型工艺的特点,分析影响成型件精度的因素,通过实验获得不同激光功率、扫描速度、扫描间距和分层厚度条件下多组成型件精度数据,并采用多目标函数优化的单目标化思想优化目标函数,然后通过粒子群算法优化BP神经网络。用优化后的最优解作为BP神经网络算法的初始权值和阈值,利用MATLAB建立优化后的BP神经网络预测模型,对优化后的精度函数模型进行预测分析,并与传统BP神经网络获得的预测结果进行对比。结果表明:粒子群优化的神经网络模型具有良好的全局搜索能力和收敛性,精度预测更加准确,对SLS打印制件具有一定的指导作用。     

基于改进遗传算法的磨削能耗预测及工艺参数优化

针对磨削过程中能耗预测及低能耗加工问题,提出了一种基于改进遗传算法的磨削能耗预测及工艺参数优化方法。首先,基于多元非线性拟合回归理论建立了表面粗糙度和磨削能耗的预测模型,并验证了预测模型的准确性;其次,遗传算法中将能耗预测模型作为目标函数,表面粗糙度预测模型作为约束条件,并采用改进的十进制编码解码和染色体三点同时变异方式进行工艺参数寻优;最后,通过实验数据验证了多元非线性拟合回归预测模型的准确性和求解算法的有效性。实验结果表明:该方法预测的工艺参数理论值可实现磨削加工中能耗最小化。     

基于迭代LS-SVM生物氧化提金预处理工艺参数优化算法的研究

支持向量机(SVM)是一种新的具有优越特性的机器学习算法、最小二乘法支持向量机(LS-SVM)是SVM的一种改进算法,但是直接利用常规的LS-SVM对生物氧化提金预处理工艺参数优化存在着一些问题。通过引入迭代算法和LS-SVM对生物氧化提金预处理工艺参数离线数据进行参数预测相结合完成工艺参数的优化,此方法计算量相对较小,易于掌握,为企业生产提供了一个相对可靠的理论支持。     

DRNN-PID趋近律的在线丢包补偿伺服电机NCS滑模控制

考虑存在马尔科夫时延和随机丢包的多包传输直流伺服电机网络控制系统(networded control system,NCS),文章设计了一种基于组合核函数最小二乘支持向量机(least squares support vector machine,LS-SVM)丢包在线预估的对角回归神经网络(Diagonal Recurrent Neural Network,DRNN)PID趋近律滑模控制器。首先,利用无时延等价变换与滑动窗口组合核函数LS-SVM丢包在线预估建立了系统时延补偿模型;其次,通过DRNN非线性映射实现对PID趋近律参数的在线调整,并分析了此种滑模控制器的稳定性;最后利用Truetime对进行仿真,结果表明组合核函数LS-SVM预估策略可以提升丢包补偿的精度,提出的DRNN参数自适应调整PID趋近律滑模控制能够在较快响应速度的条件下减小系统抖振,提升了控制效果。     

基于PSO-SVM模型的油气管道内腐蚀速率预测

目的针对油气管道的运行安全问题,建立油气管道内腐蚀速率预测新模型,对管道的内腐蚀状况进行准确预测。方法首先对内腐蚀的原理进行简单分析,探讨引起管道内腐蚀的主要原因。对PSO(粒子群算法)、SVM(支持向量机)以及PSO-SVM模型的原理及结构进行探讨,结合文献中获取的管道内腐蚀数据,使用PSO算法对SVM算法的参数C和g进行寻优。在此基础上,对Sine函数、Sigmoidal函数和Radial basis函数三种核函数进行对比优选。最终将PSO-SVM模型与GA-SVM模型、CV-SVM模型、LS-SVM模型和FOA-SVM模型四种模型进行预测误差对比,以此证明PSO-SVM模型的先进性。结果当SVM算法的参数C=83.9243、g=0.6972,核函数选择Sine函数时,PSO-SVM模型的平均绝对误差和均方根误差最小,平均绝对误差和均方根误差分别为0.58%和0.000618,但是该模型在使用的过程中,其训练数据所使用的时间为11.26 s,与GA-SVM模型、CV-SVM模型、LS-SVM模型和FOA-SVM模型四种模型相比,其预测误差较小,但训练数据所使用的时间较长。结论利用PSO-SVM模型对油气管道内腐蚀速率进行预测是可行的,预测误差相对较小,但是由于受限于数据训练速度问题,今后仍需要对该领域进行深入研究。     

基于DEFORM和正交试验法的前轴辊锻工艺优化

正交试验主要用于解决科研和生产中多因素、多水平的问题,运用正交试验法可以在减少试验次数的情况下获得最佳的参数组合,可有效节约人力、物力和时间。在DEFORM-3D有限元数值模拟过程中应用正交试验优化设计方法,对前轴制坯辊锻模具弹簧座截面的圆角值、辊锻模具角速度、摩擦因子及坯料初始温度四因素、三水平问题,进行前轴制坯辊锻模具结构及工艺优化研究,分析影响前轴辊锻成形过程中最大成形载荷的因素,研究结果有利于前轴辊锻模具结构及工艺的优化,而且可有效提高辊锻模具的使用寿命。     

前轴成型辊锻过程的模拟分析

采用刚粘塑性有限元方法对汽车前轴成型辊锻与模锻复合工艺中成型辊锻过程进行了模拟,获得并分析了成形过程、金属流动规律和力能参数曲线,揭示了其工艺典型特点,其结果对前轴成型辊锻的工艺和模具设计具有指导和参考作用。     

某重型卡车前轴精密辊锻工艺设计与优化

根据某重型卡车前轴的锻件结构特点与技术要求,进行精密辊锻-模锻成形工艺设计。基于实际生产参数和有限元分析软件对成形工艺进行数值模拟,针对模拟过程中遇到的"工"字筋填充不满问题进行模具结构改进,最终进行物理试验验证模拟的准确性。     

某重卡前轴工字梁辊锻成形工艺设计及优化

针对某重卡前轴成形辊锻-模锻复合工艺中的典型缺陷———工字梁部位充不满展开研究。介绍了重卡前轴工字梁在辊锻成形工艺中各道次的孔型设计,通过Defoem-3D建立了有限元数值模拟分析模型,研究了第3道次预辊锻成形中工字梁壁厚和第3、4道次中摩擦因子对模具型腔填充率的影响规律,最后完成了重卡前轴工字梁在辊锻成形中的优化设计。优化后的模拟结果表明,工字梁成形良好、填充饱满,满足图纸设计要求。     

YQ153A前轴精密辊锻孔型系统的选择和辊锻工步设计

介绍了YQ153A前轴精密辊锻工艺,包括热收缩率的选择,辊锻件图的确定,毛坯直径尺寸的选定,各典型截面特征孔型设计与延伸率的分配,第3、2、1道辊锻件图设计等。     

基于数值模拟的前轴辊锻件精确成形的研究与应用

根据辊锻设计要求,论述了汽车前轴辊锻件的弹簧座截面、工字型截面、两端拳头截面各道次变化规律;在各道次变化过程中,依据各截面的尺寸参数变化对辊锻模具进行精确设计并选择合理的坯料,以保证坯料能够充满模具型槽.应用Deform-3D软件对辊锻模具模型进行模拟分析,模拟结果与实际生产结果相吻合,进一步验证了辊锻模具设计的准确性和可靠性.该文的论述对前轴辊锻模具的精确设计及辊锻件的生产提供了理论参考依据.     

物理模拟在前轴精密辊锻工艺调试中的应用

介绍了前轴精密辊锻工艺进行物理模拟的原因,重点介绍了试样应用于汽车前轴辊锻模具的工艺调试中取得的良好效果.     

汽车前轴辊锻模的失效形式与修复方法

从材料的选择、结构设计、制造工艺、热处理工艺以及模具的安装维护等方面分析汽车前轴辊锻模的主要失效形式（断裂、磨损、变形等）产生的原因,并提出相应的改进措施和修复方法。     

超声滚挤压轴承套圈的表层性能预测模型建立及工艺参数优化

采用超声滚挤压技术对轴承套圈进行表面强化,为了提高其表层性能,实现对工艺参数的优化控制,以轴承套圈材料42CrMo钢为研究对象,通过超声滚挤压正交试验,建立了轴承套圈表层性能与加工参数(主轴转速、进给速度、振幅和静压力)之间的径向基(RBF)神经网络预测模型,并采用方差分析法和田口算法分析了工艺参数对表层性能(表面粗糙...     

基于智能算法和数值模拟协同的凸轮轴锻造优化

为了解决凸轮轴热锻过程中的材料浪费和成型载荷较大的问题,基于遗传算法、克里金预测和数值模拟的动态协同技术,提出了将填充、折叠作为约束的热模锻坯料优化策略。在优化过程中,克里金模型用于构建局部区域的梯度信息,并用数值模拟对克里金模型进行动态矫正,遗传算法控制设计变量的进化方向。用凸轮轴锻件作为优化案例,并对凸轮轴锻件的形状进行分析,设计了一种坯料形状并选用其3个尺寸参数作为优化参数。优化结果表明：该方法能够优化3D成型问题,可显著减少下料体积、节省大约27.81%材料。优化后的坯料能够满足充填完整约束、无折叠约束,并且优化后的成型载荷降低了大约71.43%左右,优化后的设计变量取值为D₁=40.6,D₂=60,D₃=16.6。