基于HMM校正与神经网络延拓的EMD端点效应抑制方法

针对神经网络延拓方法在抑制经验模态分解的端点效应时存在的延拓数据与真实数据往往存在误差的问题,提出了一种基于HMM校正的方法来减小预测延拓数据误差。首先利用径向基函数(RBF)神经网络预测估计方法对部分原始数据进行估计,同时对端点外数据进行预测。然后计算该方法估计的数据与真实数据的误差序列,再用HMM方法建立估计误差序列模型,用以预测延拓后数据的误差。最后用RBF神经网络延拓数据减去HMM预测的误差数据得到新的校正后延拓数据。仿真与实验证明了将HMM预测方法与RBF神经网络数据延拓结合应用到解决端点效应的过程中所得到的延拓数据更接近真实数据,能够更好地解决端点效应问题,提高了经验模态分解精度。     

FDM成形件精度预测模型的建立

熔融沉积成形(FDM)是快速成型(RP)最有发展前途的工艺之一,掌握提高成形件精度的控制方法是推广其应用的重要途径。在分析FDM成形件精度影响因素的基础上,提出应用误差反向传播(BP)神经网络建立预测精度模型的方法。将主要影响因素作为BP神经网络模型的输入参数,并根据最小预测误差选择输入层和中间层的维数,确定了BP模型结构。利用多组实验数据进行模型训练,建立了BP神经网络模型。模型预测与实验测量的对比结果表明,模型的预测误差在6%以内,具有很高的预测精度,可以指导实际应用。     

基于LS-SVM的机床加工误差预测模型探讨

提出一种基于最小二乘支持向量机(LS-SVM)的机床加工误差回归模型和预测方法,给出了相应的步骤和算法.通过与BP神经网络和RBF神经网络预测方法比较,仿真结果表明,在较少的误差数据条件下,该模型能够有效的描述和预测加工误差的变化,且模型预测误差比神经网络模型小60%左右;应用该预测模型预测机床加工误差有更高的预测精度,对其实施补偿和控制,将有效提高机床的加工精度.     

基于小波神经网络修正自适应滤波的钻具姿态解算研究

针对惯性随钻测量中，由于钻头振动导致系统三轴加速度计数据失真，从而使得解算的钻头姿态角误差较大的问题。提出一种基于小波神经网络(WNN)与自适应滤波(AKF)联合对钻具姿态进行估计的方法，首先建立钻具姿态自适应滤波的状态空间模型，根据估计后的残差不断调整自适应因子，降低姿态的估计误差，提高钻具姿态估计精度；根据滤波器的输入输出建立小波神经网络模型，对比输出误差在线修正网络模型，对姿态信息进行反馈补偿。设计振动台实验以及钻进实验对所提方法验证，其中钻进实验中井斜角误差降低到±1.8°，实验结果表明，所提方法解算精度优于自适应卡尔曼滤波算法，能够有效抑制振动误差对姿态解算的影响，为实际钻井提供理论依据。     

径向基函数神经网络在齿轮动载系数计算中的应用

由于动载系数的计算公式比较复杂,机械设计手册中提供动载系数线图供设计人员近似计算,但通过人工查取线图数据的方法会给设计带来误差,并且不利于实现设计过程的CAD。因此,提出了应用径向基函数神经网络来确定动载系数的计算方法,映射了引起动载系数与其影响因素(齿轮节线速度、齿轮制造精度)的非线性关系,并与其他文献中提出的应用BP神经网络的方法进行对比。结果表明:径向基函数神经网络可通过较少的训练次数达到较高的精度,大大超过了BP神经网络的收敛速度和训练效率。该方法可广泛应用于工程设计中计算齿轮动载系数及其他以线图表示的参数。     

长光栅误差的神经网络建模分析

在不需要任何先验知识的情况下,无论误差分布形式如何,直接利用实验数据对光栅测量系统建立径向基函数(RBF)神经网络模型,仿真和实际应用表明该模型用于误差补偿能有效地提高测量系统的精度。     

基于径向基函数神经网络的压电式六维力传感器解耦算法

针对四点支撑结构的压电式六维力传感器线性度差,维间耦合严重的问题,提出了基于径向基函数(RBF)神经网络的解耦算法。分析了耦合产生的主要原因,建立了RBF神经网络模型。通过对六维力传感器进行标定实验获取解耦所需的实验数据,并对实验数据进行处理。然后采用RBF神经网络优化传感器输出系统的多维非线性解耦算法,解耦出传感器的输入输出映射关系,得到解耦后的传感器输出数据。对传感器解耦后的数据分析表明:采用RBF神经网络的解耦算法得到的最大Ⅰ类误差和Ⅱ类误差分别为1.29%、1.56%。结果显示:采用RBF神经网络的解耦算法,能够更加有效地减小传感器的Ⅰ类误差和Ⅱ类误差,满足了传感器两类误差指标均低于2%的要求。该算法有效地提高了传感器的测量精度,基本解决了传感器解耦困难的难题,     

广义径向基函数神经网络在热误差建模中的应用

针对现有的热误差建模方法建模效率低,模型预测精度不理想等问题,提出了广义径向基函数神经网络(RBF)建模方法并将其应用于数控机床热误差建模中。讨论了采用广义RBF神经网络进行热误差建模的原理及步骤。以数控导轨磨床主轴箱系统为例,布置了12个主轴热误差的关键温度测点,测得了2组独立的主轴箱系统热误差数据。将测得的数据分别用于建立主轴箱系统热误差广义RBF神经网络预报模型和验证模型的准确性。研究结果表明,热误差广义RBF神经网络模型具有预测精度高及泛化能力强的优点;与传统的RBF神经网络建模方法相比,提出的广义RBF神经网络建模方法建模效率更高,模型鲁棒性及预测性能更好,是一种可以用于数控机床热误差实时补偿的有效建模方法。     

数控机床热误差灰色神经网络补偿应用研究

针对数控机床热误差建模补偿的问题,提出了灰色神经网络建模补偿的新方法。首先利用机床的温度值建立了机床热误差的灰色系统预测模型,再由灰色模型预测值得到的残差建立神经网络预测模型。结合灰色系统和神经网络的优点,建立了一种新的灰色系统和BP神经网络组合热误差预测模型。最后以实测数据建模说明了灰色神经网络模型预测效果明显优于各单项模型,方法优异的预测性能对于具有复杂成分的动态数据序列的机床热误差建模也适用。     

基于神经网络的并联机床结构精度的研究

针对并联机床各运动副误差难以直接测量的问题，设计了基于神经网络的并联机床结构精度标定测试系统。利用神经网络建立并联机床误差补偿的数学模型，将非线性误差作线性处理，修正难以模型化因素造成的误差；模型化因素造成的误差由三坐标测量机修正。实验证明，误差的90％可由三坐标测量机修正，而残留误差的1／3～1／2可用神经网络修正。     

焊接变形预测与控制的研究进展

综述了焊接变形预测和控制的研究现状，介绍了对焊接变形进行预测的几种常用理论和方法，包括热弹塑性理论、考虑相变和耦合效应的有限元分析、粘弹塑性有限元分析、残余塑变法、相似理论、人工神经网络的应用等。同时介绍了控制焊接变形的几种方法，如反变形法、控制工艺参数、控制温度场以及系统综合分析等。最后讨论了焊接变形研究中需要解决的几个问题。     

人工神经网络及其在机械工程领域中的应用

在论述人工神经网络模型的特点和性质的基础上，综述国内机械工程领域研究与应用人工神经网络技术的现状与发展，介绍最常用的模型种类，举例说明这类模型在机械制造和机械设计各环节中的实际应用，并阐述了完善模型结构，改进建模方法方面的基础性研究工作，从内容，深度，实际效果和软硬件方面评述当前在人工神经网络模型研究与应用中的不足之处，指出今后努力的方向和潜在应用领域。     

Application of artificial neural networks instead of the orifice plate discharge coefficient

Differential pressure flowmeters are very often used in many industries. Therefore, the improvement of this method of flow measurement is an important task of flow measurement and instrumentation. One of the important characteristics of differential pressure flowmeters is the discharge coefficient of the flow transducers. A large number of studies and publications were devoted to modeling this coefficient. Therefore, in the framework of this research, this coefficient is simulated using artificial neural networks. The neural representation of this characteristic is made in the form of a multilayer perceptron. In this paper, we replace the traditional equation for the discharge coefficient with an artificial neural network. The advantages and disadvantages of such application of neural networks as discharge coefficients are discussed. The analysis of the results of gas flow measurement, where the neural network is used instead of the traditional equation, is presented. The estimation of flow rate measurement errors with such an approach is made; the error of calculation of the discharge coefficient is estimated.     

基于特征矩阵和神经网络的铝型材整体壁板外形识别

针对铝型材整体壁板的外形特征和设计要求，提取出9种典型壁板并构建出对应的壁板特征矩阵和目标矩阵。采用神经网络分别对带与不带噪声的整体壁板特征识别进行了研究、训练和测试，测试结果显示，采用矩阵构造的神经网络对壁板特征识别继承了神经网络的优点，可扩充性好，解决了整体壁板挤压模具CAD专家系统关于特征识别的前处理瓶颈问题。     

关节式坐标测量机热变形误差及修正

关节式坐标测量机工作温度范围宽,可以在线测量,应用领域越来越宽.这也使得其热变形误差随着对测量机测量精度要求的提高越来越受到关注,并且对其必须加以修正.简要分析关节式坐标测量机主要部件由于温度变化对测量的影响.关节式坐标测量机热变形误差模型用单隐层带反向传播前馈神经网络建立,网络的输入是测量机两个温度参数和测头的坐标值,输出为测头坐标相对于20℃该点的变化量.通过试验获得数据样本,训练所建模型并进行仿真.试验结果表明所建模型对关节式坐标测量机热变形误差修正是有效的.     

Application of a flexible structure artificial neural network on a servo-hydraulic rotary actuator

In this article the results of the application of a flexible structure artificial neural network for controlling the angular velocity of a servo-hydraulic rotary actuator are discussed. A mathematical model for the system is derived, and a flexible artificial neural network (ANN)-based controller with the feedback error learning method as a learning algorithm is applied to the system. The neural network-based controller has a feed-forward structure and three layers. The flexible bipolar sigmoid function was used as the activation function of the network. The simulation and experimental results show good performance of the developed method in learning the inverse dynamic of the system and controlling the angular velocity of the rotary hydro motor. The advantages of the developed method for servo-hydraulic actuators over other traditional approaches are discussed.     

基于LVQ神经网络的混沌时间序列分类识别

学习向量量化 (L VQ)是一种自适应数据分类方法 ,文中研究了利用这种神经网络对 Jeffcott转子碰摩模型的非线性混沌时间序列进行分类识别 ,得到了满意的效果。分析结果表明 ,该方法可以实现对这类混沌信号和其它响应信号数据的聚类 ,对非线性信号分类识别提供了一种较为直接的处理方法     

基于BP网络的尾焦收集机器人运动学逆解算法分析

利用改进的BP神经网络算法对尾焦收集机器人运动学逆解进行探讨,建立了尾焦收集机器人的运动学逆解的BP网络模型,进行了10输入、4输出和1个隐含层的BP网络训练,并用训练好的网络来求解运动学逆问题,取得了较好的效果,为机器人运动学逆问题算法提供了新的思路.     

用于机械手的小脑模型关节控制器神经网络连接权矩阵的计算

CMAC神经网络已被广泛用于机械手的控制 ,但这种网络的连接权矩阵通常由学习得到 ,有时因学习时间长而影响控制的适时性。本文提出一种连接权矩阵的计算方法 ,不用学习可直接计算求得连接权矩阵 ,其均方根误差近似为零 ,从而实现了用于机械手控制的机械手 CMAC神经网络的记忆。保证了机械手控制的适时性。     

Research on Injection Mould Intelligent Cost Estimation System and Key Technologies

The manufacturing cost of injection-moulded parts is mainly decided by the cost of the injection mould. Thus if we can ascertain the cost of the injection mould as early as possible, it will be a great contribution to an injection mould cost evaluation system and research on the economics of injected part manufacture. In this paper, related work on injection mould cost estimation has been discussed. A case-based reasoning (CBR) approach is used for evaluating the manufacturing cost of injection moulds. Case indexing, neural network-based case retrieval, knowledge-abundant case-adaptation and knowledge-absent case-adaptation strategies, and case learning are all considered. A comprehensive cost model including mould manufacturing costs, tax costs and general administrative costs is also discussed. The model is valuable for the price estimation of injection moulds. The application of the system is illustrated with an example.