基于进化神经网络外圆纵向磨削表面粗糙度的在线预测

将人工神经网络引入磨削加工领域。针对BP算法存在收敛速度慢，容易陷入局部极小值以及全局搜索能力弱等缺陷，采用遗传算法训练BP神经网络，设计了基于进化神经网络的学习算法，建立了外圆纵向磨削表面粗糙度的进化神经网络预测模型。实验和仿真结果表明。基于进化计算的BP神经网络可以克服单纯使用BP神经网络易陷入局部极小值等问题，预测精度较高，对提高外圆纵向磨削加工的自动化程度具有重要的意义。通过在线监测磨削拳数。所提供的预测方法可以实现对工件表面粗糙度的在线预测。     

基于差分进化算法的Stewart-Gough平台的设计优化

利用差分进化算法对Stewart-Gough平台进行优化。首先,对Stewart-Gough平台的对称结构和非对称结构进行了介绍;其次,通过综合考虑工作空间的限制,工作空间内存在奇异结构以及成本高这3个因素的影响定义了目标函数;最后,选定用于优化的工具为差分算法,并使用差分算法对Stewart-Gough平台进行了优化。优化结果表明,合理选择Stewart-Gough平台的结构及其参数,可达到最大化有效载荷或最小化每条腿上所需要的力(用以抵消外界施加在动平台上的力)的目的。与其他算法相比,差分算法具有较好的全局寻优能力,选用差分进化算法作为优化工具,优化及仿真过程借助MATLAB来实现。     

改进差分进化算法及其应用

将基于混合差分策略的改进差分进化优化算法应用在PID控制器在线优化中。MDE(改进差分进化算法)结合了差分策略DE/rand/1的多样性和DE/best/1的高收敛速度的优点,算法的寻优性能远超过两种策略单独作用时的性能。此方法充分利用了差分进化的进化寻优优势与PID控制器的简单方便,让控制器在系统运行过程中进行自我设计和优化。     

砂带纵向外圆磨削

使用砂带磨削装置磨抛工件外圆表面是一种简便、易行且有效的方法。当采用弹性表面接触轮时,吃刀深度与实际磨削深度相差较大,吃刀起始点不易确定,给磨削精度的控制造成困难。一、砂带纵向外圆磨削机理由于存在沿砂轮宽度方向上的工件运动,所以纵向外圆磨削不同于切入式外圆磨削,它有自己的磨削机理。图1中f为工件每转纵进给量。对于砂轮磨削,在砂轮使用的初期阶段,第1段大约磨去总余量的80％,第二段磨去余量的10％,而第4段以     

曲轴非圆磨削中基于差分进化算法的变参数交叉耦合轮廓控制

曲轴非圆磨削通常采用补偿单轴伺服跟踪误差的方法来提高连杆颈轮廓加工精度,但磨削运动中大惯量砂轮架会严重影响伺服系统的高速响应性,导致单轴伺服跟踪误差补偿轮廓误差效果不理想.因此引入双轴联动交叉耦合控制思想,首先工件旋转轴与砂轮架直线轴的联动运动被近似为两根直线轴联动,并建立曲轴非圆磨削轮廓误差模型,在此模型基础上设计交叉耦合控制系统.为了弥补这种近似对非线性轨迹控制带来的不足,研究分段变参数的交叉耦合控制策略,并以工件轮廓误差最小为目标,采用差分进化(Differential evolution,DE)算法逐段对控制器参数进行优化.仿真实例结合试验表明:在基于DE算法优化的变参数交叉耦合控制下,曲轴非圆磨削理论轮廓精度较普通比例微分和积分控制或交叉耦合控制有所提高.     

基于改进差分进化算法的层合板优化设计

针对复合材料具有可设计性以及经典差分进化算法自身的缺陷,提出一种改进的差分进化算法对复合材料层合板进行以铺层角为设计变量、蔡-吴(Tsai-Wu)强度准则为约束条件、层合板强度最大为目标函数的优化设计。考虑差分进化算法在寻优过程中个体间差异越来越小,采用随机选择突变策略和增加扰动机制的方法,增大个体间差异,避免算法陷入局部最优解。通过数值算例和工程算例验证了改进的差分进化算法具有较好的全局收敛性。     

基于改进差分进化算法的压力机杆系参数优化

针对八连杆机构压力机滑块下行速度影响工件加工质量与机器工作效率的问题,根据滑块工作特性与具体的约束条件,构建优化目标的数学模型,并提出一种改进的约束差分进化算法对此模型进行求解.该算法学习生物遗传学,引进优质基因模型提高各代初始种群质量,并引入远缘杂交提升交叉群体的多样性与进化速度.优化结果降低了八连杆压力机的速度波动,稳定了加速度方向变化,提高了压力机的工作效率,并验证了改进算法在机械优化设计中的有效性.     

一种新的外圆磨削方法及装置

介绍了一种新的外圆磨削方法及其磨削装置,它是利用环形砂轮的端面对外圆柱表面进行磨削的,此装置用于轧辊的在线磨削。     

外键套外圆的磨削夹具

图1为我厂加工的零件,它的技术要求是:孔与外圆的同心度不大于0.01,表面粗糙度为Ra0.8,淬火硬度HRC60,由于工件外圆表面带有凸键,我们在M131W外圆磨床上设计了图2所示的专用夹具,以实现磨削该零件的运动要求。 1.传动原理工件以内孔表面d定位于锥度心轴上,依靠顶尖轴1及拨杆5带动锥度心轴上的工件作正反转动(小于1转),以加工外圆表面D。皮带轮与头架固连,但空套在磨床主轴上。当启动主运动后,头架连同皮带轮一起转动,通过皮带传动使轮9也同时旋转。此轮上通过小轴10装有齿条11,     

圆柱齿轮传动多目标优化的差分进化算法

针对单级斜齿圆柱齿轮传动机构优化设计问题,建立以体积最小化和重合度最大化为目标的约束多目标优化模型。为提高Pareto前沿的分布均匀性和分布广度,将网格Pareto占优技术与约束多目标差分进化算法结合,设计网格占优约束多目标差分进化算法(ε-CMODE)。根据工程实践需要,将离散约束多目标优化模型映射为约束非负整数规划问题,再改进ε-CMODE算法以求解该模型。最后,给出优化设计实例。结果表明,ε-CMODE算法能有效求解齿轮机构多目标优化问题,得到均匀分布的Pareto前沿,可为设计人员提供多组备选解。     

阀杆外圆成形磨削工艺优化研究

阀杆在整个喷油器当中至关重要,其外圆表面质量,直接影响整个喷油器的装配和喷油器性能。针对阀体外圆成形磨削中出现的质量问题,通过建立磨削加工系统的力学模型,对导轮、工件进行了受力变形分析,揭示了影响阀杆外圆表面磨削质量的主要因素并提出了工艺改进措施。通过理论分析了工件在砂轮磨削力下产生的变形对磨削加工质量的影响,建立了力学补偿模型来补偿砂轮磨削力引起的变形,并结合实验验证了理论分析的正确性和和工艺优化的有效性。     

基于离散差分进化算法的齿轮优化设计

根据机械设计中大多数优化变量属于混合变量的实际情况,提出采用基于离散变量方法解决机械优化设计问题。开发了一种不同变量自由设置间距的离散差分进化算法,连续变量采用合适的微小间距,离散变量采用工程规定间距。结合机械约束处理的自适应罚函数方法,以典型机械产品———齿轮和齿轮轴重量最轻优化实例为例,进行数值实验。结果表明该算法可以非常方便地处理约束优化问题,与粒子群算法实验对比,具有较高精度和可靠性。离散变量优化结果无需作圆整后处理,避免了圆整处理带来的系列问题。     

基于声发射信号的精密外圆切入磨削效率优化

针对精密外圆切入磨削加工时磨削效率问题进行研究。建立了磨削进给量与磨削时间的关系方程,进而得到磨削深度与时间的关系方程;建立了声发射信号的磨削理论模型,在线识别砂轮运动去除状态,通过加工试验分析磨削时间对磨削表面粗糙度和加工精度的影响;结合试验得到的声发射均方根信号进行曲线拟合,编写磨削时间在线分析软件,减少无效的磨削时间,提高磨削效率。试验结果表明:该方法能够在满足加工工艺的前提下,提高精密磨削切入磨的效率。     

基于差异演化算法的V带传动多目标优化设计

为研究V带传动多目标优化问题,基于高斯变异提出一种高斯变异多目标差异演化算法(Multi-Objective Differential Evolut ion Based on Gauss Mutation,GMODE)。该算法首先引入了佳点集方法对种群进行初始化,其次在差分向量选择不合适时,采用高斯变异,引导个体向非劣解进化,提高算法的收敛速度;最后在个体多次不更新位置时,采用高斯变异,以提升个体逃离局部最优点的能力。通过与其他算法的比较,发现该算法能有效避免/早熟0收敛,具有较好的收敛速度和多样性。     

无心外圆磨削能耗建模及优化研究

无心外圆磨削广泛应用各类棒料工件的精加工,其在加工过程中会产生巨大的能量消耗,为提高无心外圆磨削过程的能量效率,主要对磨削过程的工艺参数进行了优化.在考虑磨削功率、表面粗糙度及磨削用量约束的基础上,将砂轮线速度、导轮线速度、导轮架进给速度选为优化变量,以最小能量消耗为优化目标来建立数学模型;提出了蜜蜂进化型遗传算法并结...     

圆柱滚子轴承外圈双挡边磨削方式的改进

对圆柱滚子轴承外圈双挡边的磨削方式进行了分析。采用砂轮端面磨削方式易使挡边表面产生烧伤、划伤 ,而采用砂轮外圆磨削方式则可解决上述问题且可提高磨削精度 ,需注意 :砂轮的磨削角度应在 70°～ 80°之间取值     

外圆补偿磨削的试验研究

基于误差分离技术和补偿技术的发展设计了外圆工件圆度临床测量和补偿系统。在Ｍ１３１外圆磨床上的补偿磨削试验结果表明，所设计的测量补偿系统能够达到改善被加工工件圆度的目的，补偿后工件圆度误差减少近３０％。     

基于差分进化算法的混合动力系统多目标优化

针对混合动力能量管理系统多目标优化问题通常采用加权求和等方法的缺点,采用Pareto最优原理处理燃油经济性与排放性(CO、NOx、HC)评价指标,提出一种基于非支配排序的自适应差分进化算法,并应用于混合动力能量管理多目标优化系统之中并进行仿真分析。结果表明,提出的优化方法能够得到一组非支配Pareto最优解集,且燃油经济性最大提高了5.30%,CO排放物最大下降了3.65%,NOx最大下降了14.40%,HC最大下降了3.26%。