利用Gumbel极值分布预测管道最大腐蚀深度

    对某核电站设冷水系统二次滤网部分不锈钢除淤管道的壁厚数据进行概率统计分析,利用Gumbel极值分布和回归期预测了不锈钢除淤管道最大腐蚀深度.用最小方差线性无偏估计法对Gumbel分布函数的参数估值,并对Gumbel 分布函数作K.S.适度检验,证明冲淤管道腐蚀数据的Gumbel极值分布成立,最大腐蚀深度预测值可信.     

BP神经网络在油液污染与磨损预测中的应用

针对传统BP算法存在的不足进行改进,采用共轭梯度法与Levenberg-Marquardt法对BP神经网络进行优化;通过实际数据进行预处理、建模分析,对比传统BP神经网络和经过优化后BP神经网络,证明了优化后的神经网络在油品污染与磨损的预测方面具有更好的泛化能力。     

切削加工表面粗糙度影响因素及预测建模综述

表面粗糙度对零件的使用寿命有很大影响,正确、合理地选用表面粗糙度数值,可以减少零件的加工费用,提高零件的使用寿命。对表面粗糙度的评定参数及测量方法进行了介绍,重点阐述了表面粗糙度的产生机制和切削参数对表面粗糙度的影响;从回归分析法、响应曲面法和神经网络建模方法3个方面综述了表面粗糙度预测与建模的研究进展。指出用多参数表征表面粗糙度和建立加工表面粗糙度的预测、优化和工艺工况为一体的综合预测模型是未来发展方向。     

基于人工神经网络建模的磨削烧伤预测

本文介绍了用神经网络建模预测磨削烧伤的方法，并给出了对３００Ｍ超高强度钢磨削烧伤进行建模和预测的实例。实验结果是令人满意的。     

基于小波核最小二乘支持向量机的齿轮磨损预测

针对齿轮在磨损过程中的磨损程度,可以用振动信号来表征,并通过对磨损过程中振动信号的预测来实现磨损预测,提出了一种基于小波核的支持向量机磨损预测算法。首先,分析了最小二乘小波在磨损预测中建模方法,其核函数采用小波核,改善了系统非线性性能;然后用量子行为粒子群优化算法（ QPSO）优化SVM参数,具有较快的搜索速度并保持了时间序列的特征。验证实验中用齿轮箱振动信号的统计指标表征齿轮磨损状态。实验结果表明,该预测方法能够有效地进行齿轮磨损预测。     

基于支持向量机的加工误差预测建模方法研究

误差补偿是提高机械加工精度的有效途径,其中误差的建模是关键.在分析现有加工误差预测技术不足的基础上,提出基于支持向量机的加工误差回归建模和预测方法,并对实际应用中的问题进行了分析和总结.通过实例验证及与其它建模方法的对比,表明该方法具有优良的预测性能,为加工误差预测提供了一种新的可行方法.     

组合人工神经网络模型预测海水腐蚀速度的研究

针对误差反传(BP)人工神经网络在海水腐蚀预测建模中的样本数量有限和隐含层单元数难以确定的问题,提出了结合使用自组织特征映射(SOM)网络和径向基函数(RBF)人工神经网络方法预测海水腐蚀速度.首先采用SOM对样本进行分类,再使用RBF进行样本训练和建模,并对A3钢和16Mn钢的海水腐蚀速度进行了预测.结果表明,该方法能够增强了网络局部泛化能力,提高了预测精度和计算速度.     

基于神经网络方法的焊接接头力学性能预测

针对焊接过程严重非线性和焊材中多种成分的复杂交互作用使得对接头力学性能的准确估算十分困难的实际问题,论述了神经网络技术在焊接接头力学性能预测方面的应用。研究了神经网络建模方法,提出采用均匀设计法优化设计神经网络参数,在四类17种钢材的焊接热模拟数据基础上,建立了预测焊接接头力学性能的神经网络模型。试验表明该模型可根据钢材成分和焊接规范对焊接接头及其热影响区的冲击韧度、抗拉强度、屈服强度、断面收缩率和硬度等力学性能进行较为准确的估算。试验表明,该预测方法较之传统统计方法,预测精度有了大幅度提高,为实现焊接接头力学性能预测提供了一条有效的途径。     

AZ91镁合金力学性能预测的算法研究

采用人工神经网络的径向基函数网络对压铸AZ91镁合金的力学性能进行预测,结合GAP方法和梯度下降法,提出优化算法.结果表明,该优化网络算法具有较快的收敛速度和良好的预测性能,能够成为合金设计有力的辅助手段.     

机器人末端加速度的预测研究北大核心

针对传统的机器人加速度动力学建模求解方法的复杂性和实时性差等问题,提出了基于小波包和改进的灰色预测模型相结合的机器人加速度的测量及预估方法。机器人末端加速度的测量值包括了加速度的真实值、噪声信号和重力加速度g的分量,计算去除重力加速度g分量,利用小波包对信号做了去噪处理,再用改进的灰色预测模型对经过处理的信号进行超前预测,解决了滤波信号的时间滞后问题,提高了加速度测量的实时性和前瞻性。仿真和实验结果验证了该方法在机器人末端加速度测量和预估方面的可行性,为机器人的加速度反馈控制及惯性力预测控制提供了基础。     

基于神经网络的表面粗糙度智能预测系统

表面粗糙度趋势分析及预测技术是计算机集成制造系统故障诊断技术发展的迫切需要。本文在讨论神经网络非线性、多因素预测原理及其拓扑结构的基础上,基于神经网络方法设计了智能型的工件表面粗糙度监测预测系统,将非线性预测和多因素预测引入表面粗糙度预测模型中,即在进行工件表面租糙度预测时兼顾了刀具磨损,从而使本系统拥有可靠和高精度的预测效果。     

输气管道腐蚀的最优灰色组合预测模型

    在不等时距序列灰色预测的基础上,提出了适用于输气管道腐蚀的不等时距最优组合灰色预测模型.首先,选用两种模型精度较高的不等时距灰色预测方法建立了输气管道腐蚀预测的单项模型,然后,利用最小二乘意义下的模型误差最小化方法确定出各单项灰色预测模型的权重,建立了最优组合预测模型.此预测模型综合利用了参与组合的各单一模型的有效信息,因而可以更加客观地反映输气管道腐蚀变化趋势.通过实例对比分析结果表明,此模型预测精度较高,可以作为输气管道腐蚀预测的有效工具.     

基于人工神经网络的点焊熔核直径预测

从电极位移曲线上提取出的两个特征值及焊接能量值作为输入值,熔核直径为输出值,建立了基于BP算法的铝合金直流点焊熔核直径预测模型.该模型为隐层结点数为5的三层结构,隐层转移函数为Sigmoid函数,输出层的转移函数为线性函数.对实测结果与仿真结果进行了对比分析,结果表明,45.2%的预测值与实测值相差不超过0.5 mm,77.4%的预测误差不超过1 mm,94.3%的预测误差没有超过2 mm.回归分析结果为A=0.878T 0.982.     

模糊聚类方法在电力系统中的应用

电力负荷预测是电力系统调度、用电、计划和规划等管理部门的重要工作。本文采用模糊推理预测方法进行负荷预测的研究，该方法是基于模糊聚类对输入变量进行有效模糊划分，并通过递推最小二乘辨识模糊模型的结论参数。采用该方法对某供电企业电力系统进行建模研究，取得了满意的效果。     

大型风机状态趋势随机建模与预测

风机状态监测时间序列大多是变均值非平稳随机序列。本文采用指数平滑建模与预测,并调整权值后,可获得去均值后的平稳随机序列,再经自回归ＡＲ（ｎ）建模与预测,可以明显提高预测精度。     

基于计算机智能的深度信念网络的组合电力负荷预测方法

电力系统负荷预测是电力系统规划和经济政策制定的主要依据,然而现有的基于计算机人工智能的电力系统负荷预测多采用组合预测方式,其预测精度低,效率低下;针对此问题,提出了一种基于深度信念网络的组合负荷预测方法,此方法首先建立了深度信念网络训练模型,将组合数据与实际负荷数据之间构建的非线性函数关系应用到此训练模型中,通过数据训练,优化深度信念网络层数和参数;使得训练好的组合深度信念网络具有预测能力.利用实际历史数据,对组合负荷预测的精度进行了计算,实验结果表明:所提出的预测方法相对于传统的组合预测方法,具有较高的预测精度,同时其计算复杂度较低.     

机械故障指数平滑预测的实验分析

指数平滑预测方法由于采用对时间序列加权平滑（平均）和非线性预测模型，而且计算简单方便，因此适用于车间现场机械故障预测。本文通过对滚动轴承的实验研究，分析了预测中权的选择和预测误差。     

基于蚁群优化和模糊Petri网的建筑工程成本预测研究

为了有效提高建筑工程成本动态控制的精确度,提出将蚁群优化算法和模糊Petri网理论应用于建筑工程成本预测。首先,通过模糊产生式规则选择样本工程并确定工程之间的相似度,以便建立工程成本预测模型,其权值和阈值等参数由ＢＰ神经网络训练得出。然后,利用蚁群优化对模型各参数进行优化,从而进一步提高工程成本预测的精确度。实际建筑工程实例分析结果表明：相比传统的BP神经网络预测方法,提出的方法具有更高的准确度,能够有效应用于企业建筑工程成本的科学管理。     

矿震系统的胞映射突变预测模型

针对传统矿震预测理论和方法存在的问题及矿震本身的非线性动力学特征 ,基于胞映射理论和突变理论提出了“矿震系统的胞映射突变预测模型”。该模型既考虑了矿震系统的非线性动力学本质 ,又利用胞映射理论消除了初值的随机性和矿震系统本身的内在随机性对预测结果的影响。分析实例表明 ,该模型可以更精确而客观地识别和预测矿震演化过程中的突变行为。     

Forecasting method of fatigue life test data for metal materials

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｆａｔｉｇｕｅｌｉｆｅｏｆｔｈｅｍｅｔａｌｍａｔｅｒｉａｌｓｉｓｔｈｅｂａｓｉｃｄａｔａｆｏｒｃａｌｃｕｌａｔｉｎｇｔｈｅｉｎｔｅｎｓｉｔｙｏｆｔｈｅｐａｒｔｓｏｆｔｈｅｍｅｃｈａｎｉｃａｌｐｒｏｄｕｃｔｓ .Ｉｎｇｅｎｅｒａｌ,ｔｈｅｆａｔｉｇｕｅｌｉｆｅｔｅｓｔｄａｔａａｒｅｏｂｔａｉｎｅｄｔｈｒｏｕｇｈｔｈｅｒｕｉｎｏｕｓｔｅｓｔｏｎｔｈｅｍａ ｔｅｒｉａｌｓｐｅｃｉｍｅｎ .Ｂｕｔｔｈｅｔｉｍｅｏｆｔｈｅｆａｔｉｇｕｅｌｉｆｅｔｅｓｔｉｓｌｏｎｇａｎｄｔｈｅｃ…