模糊神经网络技术在材料加工领域中的应用

介绍一种自适应模糊神经网络，模拟材料加工领域中工艺过程的本构关系，可以对不同的学习样本自动地优化调整模糊规则和模糊隶属函数，详述了在材料加工领域中具体实现模糊神经网络技术的方法，对模糊神经网络建立过程中遇到的一些问题提出了可行的解决方案。     

超声处理对UV-LIGA工艺中SU-8胶溶胀的影响

首次将超声处理引入UV-LIGA工艺中,研究了超声处理对SU-8胶模溶胀的影响,并探讨了其影响机理,从而获得了减小胶模溶胀及提高电铸微器件尺寸精度的方法.试验研究了超声处理对显影过程及电铸过程中SU-8胶模溶胀的影响,分析了不同超声时间下SU-8胶表面亲水性的变化趋势,并计算了不同超声时间下胶模的溶胀去除率.讨论了超声处理对不同结构微器件尺寸精度的影响.试验结果表明:SU-8胶模在显影过程中的溶胀不明显,并且超声处理对显影过程中胶模的溶胀影响很小,其主要影响SU-8胶模在电铸过程中的溶胀.随着超声时间的增加,胶模溶胀及其表面亲水性均呈现先减小后增大的趋势.当超声时间为10 min时,胶模溶胀最小,其溶胀去除率a值可高达70％,并且超声处理后电铸微器件的尺寸误差与结构尺寸无关.根据超声波的机械断键作用与聚合物吸水机理,从亲水性和内应力两个方面,探究了SU-8胶模溶胀随超声时间的增加而变化的原因.文中提出的减小SU-8胶溶胀的方法不依赖于工艺参数也不会增加掩模图形设计的复杂性,是一种实用的减小SU-8胶溶胀的新方法.     

模糊神经网络在故障诊断中的应用

本文主要介绍了模糊系统与神经网络结合而产生的模糊神经网络的发展过程,融合方式。详细对模糊逻辑与神经网络进行了比较,总结各自特点,进而说明其相互结合的必要性。     

基于遗传算法和神经网络的冷挤压工艺参数模糊优化设计

将模糊优化思想引入冷挤压工艺参数优化设计,以冷挤压模具的四个关键工艺参数为设计变量,以最终挤压件的各处材料的损伤值为目标函数,建立了冷挤压工艺参数模糊优化模型。提出了利用神经网络进行材料损伤近似计算的策略,从而形成了基于遗传算法和神经网络的冷挤压工艺参数模糊优化方法。对冷挤压工艺参数模糊优化模型进行了求解,优化结果表明模糊优化思想能提高冷挤压工艺设计质量。     

神经网络在振动攻丝工艺参数匹配中的应用

介绍了神经网络基本原理及建模方法。利用MATLAB神经网络模块对振动攻丝试验数据进行训练 ,获得了振动攻丝工艺参数与攻丝扭矩之间的多因素关系模型及关系曲线 ,为振动攻丝的工艺参数匹配和攻丝扭矩预测提供了依据。     

模糊神经网络在刀具磨损检测中的应用

建立了一个以模糊推理为基础的模糊神经网络模型，该模型采用了自组织竞争学习与BP算法相结合的混合学习算法。利用该模型进行了刀具磨损识别的实验研究，实验结果表明该模型能够可靠地对刀具磨损进行识别。     

混合模糊神经网络在质量控制中的应用

传统的SPC控制图,在实际制订中需要大样本,在新的制造环境中出现很多困难和局限性。应用神经网络,引入模糊理论可对不确定分类问题具有更多优势。试验表明,在大多数情况下,它比其它统计过程控制图表现出更快的探测性和更准确的诊断性。     

模糊神经网络在链条炉燃烧过程中的应用

本文介绍了基于模糊神经网络控制实现链条炉的优化燃烧。同时利用改进的BP算法,对神经网络的各参数进行离线训练。利用人工神经网络的记忆特性,对链条炉的优化燃烧进行在线控制。     

模糊神经网络在温控系统中的应用

文章首先介绍了温控系统的方案设计以及部分功能模块,然后介绍BP神经网络结构和模糊推理,在分析两者弊端的基础上提出将两者相结合的控制方法。本文还介绍了模糊神经网络的结构和学习方法,以及如何对训练样本进行预处理,最后利用matlab神经网络工具箱作为平台,通过测试样本仿真和试验,本设计的应用为实现快速、精确的温控系统提供了一种功耗低、经济有效的解决方案。     

模糊神经网络技术在防摇控制系统中的研究与应用

介绍了将模糊神经网络用于起重机电子防摇控制器和模糊神经网络的实现,以及如何利用MATLAB中的神经网络工具箱对模糊神经网络进行训练.并以MATLAB/SIMULINK为仿真平台建立了电子防摇控制仿真模型,经仿真表明该系统的抗干扰能力强,满足防摇控制系统的设计要求.     

基于模糊神经网络的图像滤波算法

针对传统的线性和非线性图像滤波算法对含有丰富细节的图像滤波处理的不足,提出一种基于模糊神经网络的图像滤波算法.该算法利用神经网络的自学习功能训练标准样本以确定模糊贴近度阈值,在基本不改变原有图像的灰度信息的前提下,找出图像受到噪声污染的像素点,采用迭代中值滤波算法得到的中值替换噪声点.仿真实验表明该方法有很好的滤波效果,优于传统的图像滤波算法.     

基于模糊神经网络产品设计的可装配性评价

首先建立了基于模糊神经网络的可装配性评价模型,然后将产品的可装配性分为零件级可装配性和装配顺序级可装配性,并将影响零件可装配性的因素分为零件装配特征的对称性、零件易于装配的形状特征个数、零件易于识别和零件易于抓取的形状特征个数,将影响装配顺序可装配性的因素分为总的操作数．非装配操作、装配工具的更换次数、平行的装配任务的数量、基础件的重定向次数和装配方向,建立了评价指标体系。最后将评价模型应用于某产品可装配性的评价。     

相邻交叉路口神经网络模糊协调控制的研究

以城市相邻交叉路口为研究对象,提出了一种相邻交叉路口的神经网络模糊控制的方法.将相邻交叉路口看作一个大系统,第1级控制各个单交叉路口,调整各方向的绿信比;第2级协调单元利用各路口测得的交通流数据,确定相邻交叉路口的周期和相位差.应用MATLAB编写了仿真程序,仿真结果表明,该方法可以有效减少相邻交叉路口车辆的平均延误.     

基于粒子滤波的自组织模糊神经网络算法研究

为了得到结构更加紧凑、泛化性能更强的自组织模糊神经网络,提出了基于粒子滤波(particle filter,PF)的自组织模糊神经网络训练算法.其能够对模糊规则进行自动生成和增删.文中给出了模糊规则生成准则,应用误差率下降方法作为模糊规则增删策略,删除作用不大的规则.建立了以隶属函数宽度参数为状态,以理想输出为量测的动力学模型,利用PF对参数进行了学习.最后,对两个实例进行了仿真,从仿真结果可以看出,与D-FNN、SOFNN、EKF-SOFNN等算法相比,其在结构紧凑性以及泛化性能上都得到了提高,从而证明了PF-SOFNN的有效性.     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

用UV-LIGA技术制造大通孔率精细镍网

高开孔率、大厚度金属精细网板的制造是网板业界的技术难题。分析了现有的精细金属网板制造工艺的优缺点,并提出采用基于SU-8光刻胶的UV-LIGA技术来制备高开孔率大厚度精细金属网板的工艺思路。优选了关键工艺环节的操作参数,表征了试样的形貌特点,检测并分析了试样的相关性能。结果显示,采用优化的工艺条件(前烘65 ℃/20 min,95 ℃/20 min;适量曝光剂量;后烘65 ℃/10 min,95 ℃/15 min;匀胶后静置、随炉冷却;超声辅助显影等)所制备的六边形镍网(边200 μm),不仅开孔率高(88%),厚度大((120±3) μm),且具有尺寸精度高(形位误差±2 μm)、孔形一致性好(筋宽偏差＜3 μm)、孔壁平滑等特点。结果表明,UV-LIGA技术是一种制备高通孔率、大厚度精细金属网的有效工艺手段。