基于神经网络的自由曲线插补研究

介绍了利用神经网络的非线性逼近能力和自学习能力,对未知表达式的曲线进行辨识,并利用从曲线的神经网络辨识模型中得到的数据,建立一个数控系统的神经网络插补控制器,实现对未知表达式曲线的插补.通过理论研究和仿真试验表明,这种方法能够较好的完成这类曲线的插补.     

NURBS曲线插补技术研究

基于一种等弧长插补思想,综合考虑插补精度要求,实现进给速度随曲线曲率变化的调整.     

椭圆曲线插补算法研究

基于数控系统脉冲增量插补和时间分割插补的不同特征，综述了多种椭圆弧插补运算的原理和算法，为数控加工椭圆曲线提供了有益的参考方案。     

椭圆曲线插补算法研究

基于数控系统脉冲增量插补和时间分割插补的不同特征,综述了多种椭圆弧插补运算的原理和算法,为数控加工椭圆曲线提供了有益的参考方案。     

自由曲面加工中NURBS曲线的插补实现

针对复杂型面零件的高精度曲面加工,传统上应用直线、圆弧和螺旋线等插补。由于曲面轮廓离散成大量微段直线或圆弧来加工,这不仅使编程复杂、代码量膨胀,而且不可避免地带来逼近误差,影响零件的加工精度、表面粗糙度和生产效率。提出一种NURBS曲线的实时插补算法,它基于NURBS曲线的参数表示法来求出优化的曲线参数,实现了NURBS曲线高速、高精度加工的插补控制。试验的结果表明,这种插补方法是有效的。     

基于宏程序的椭圆曲线插补应用研究

提出了应用宏程序实现非圆曲线数控车削加工的新方法，并以椭圆为例，构造出通用的“椭圆曲线插补”程序。     

NURBS曲线数控插补算法研究

针对目前制造业对数控加工精度的要求越来越高,提出了一种包含插补误差和进给加速度实时监控的NURBS曲线插补算法,并以实例表明其高速、高精度性。     

NURBS曲线插补算法的研究

针对目前制造业对数控加工精度要求越来越高的要求,介绍-种改进后的NURBS曲线插补算法,以实例表明其高速、高精度性.     

基于宏程序的椭圆曲线插补应用研究

提出了应用宏程序实现非圆曲线数控车削加工的新方法,并以椭圆为例,构造出通用的"椭圆曲线插补"程序.     

基于NURBS曲线的非圆曲线数控插补算法研究

针对目前数控加工系统中直线和圆弧插补存在的不足,提出了基于NURBS曲线的非圆曲线插补算法。并在NURBS曲线建模理论基础上,借助MATLAB软件建立了非圆曲线轴的数学模型,将生成的数学模型导入到UG中生成了实体模型。利用控制弓高误差的自动调节进给速度的插补算法对工程实际中的非圆曲线进行了仿真分析。仿真结果表明,此方法达到了预期的目标。     

基于三层前向神经网络的抛物线轮廓插补

文章利用了一种基于三层前向神经网络的非线性轮廓插补算法,对抛物线轨迹进行曲线插补,并将基应用于超精密机床数控系统中,进行实验加工验证。结果表明,该算法具有插补速度快、插补精度高,插补步长变化小等特点,并且还可在每个插补周期内提供多种插补信息,能够满足实时插补的要求。     

基于函数链神经网络的磁化曲线拟合方法

为了用简捷的方法实现高精度的磁化曲线拟合,并简化拟合公式以便于在电磁场分析计算的使用,提出了函数链神经网络进行磁化曲线拟合的方法.首先给出了函数链神经网络用于磁化曲线拟合的原理,分析了这种算法的特点;然后给出了一个具体的拟合算法实例,探讨了神经网络参数对于学习过程及拟合结果的影响;最后给出了拟合结果,证明了该算法拟合过程方便,拟合函数明晰,同时拟合精度能够满足工程应用的需要.     

基于神经网络集成、多传感器融合的机器人对障碍物的识别

基于神经网络和神经网络集成理论提出了一种多传感器信息的数据融合结构,并将其用于机器人的障碍物的识别,提高了系统的识别效率,增强了系统的可靠性。通过分别搭建识别各种障碍物的子网络,以并行集成的方式把各个个体网络组合起来,可以获得一个一个高性能的识别系统。在HEBUT-Ⅰ型移动机器人上进行了验证,取得了很好的识别效果,为机器人的正确导航奠定了基础。     

数控系统轮廓圆弧插补算法研究

对平面圆弧插补的算法进行研究后,提出了提高插补精度的算法,即半步长插补算法,包括切线法和内接线法,并对整步长的内接线法提出了改进算法.     

高精度数控机床非均匀有理B样条曲线插补控制研究

在复杂曲面数控加工中,经常应用非均匀有理B样条曲线。介绍了非均匀有理B样条曲线插补原理,分析了传统非均匀有理B样条曲线插补方法,即泰勒展开法,确认泰勒展开法在计算精度和时效性等方面存在不足。针对泰勒展开法存在的不足,提出采用割线法进行非均匀有理B样条曲线插补。介绍了割线法插补原理,分析了迭代运算初值及终止判定问题。通过对比确认,割线法求解时间短,精度较高,可以满足高精度数控机床非均匀有理B样条曲线的插补控制要求。     

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对温度控制的大惯性、大滞后、非线性特点，提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强，所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且，模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则，从而进行客观准确的控制。与普通模糊控制方法相比较，仿真试验说明了系统设计的有效性。     

基于BP网络的调距桨螺距发讯器故障诊断研究

以某型船凋距桨闭环控制系统模拟电路板为研究对象,采用BP神经网络算法完成了螺距发讯器电路板故障定位研究.仿真结果表明该方法故障覆盖率高、易于实现,对提高其技术保障维修能力具有重要的意义.     

基于BP神经网络的齿轮故障诊断系统研究

对ＢＰ神经网络在齿轮故障诊断中的模式表达、网络拓扑及其相关参数等问题进行了探讨;并利用ＢＰ 网络对齿轮四种典型的故障模式进行训练学习和诊断,取得了满意的效果。结果表明：ＢＰ 神经网络是实时地解决齿轮故障中复杂的状态识别问题的一种有效工具     

基于BP神经网络的多变量PID解耦控制

基于神经网络实现智能PID控制的策略,它以经典的PID控制为基础,通过神经网络参数整定实现,进而进行自学,用于多变量系统的解耦控制。本文给出了网络的结构和算法,对一组二变量强耦合时变系统进行了仿真。通过计算机仿真证明了基于神经网络的PID控制器网络结构简单规范具有良好的自学习和自适应解耦控制能力。系统易于实现,融解耦器与控制器于一体,适用于非线性多变量系统的解耦控制。能够使解耦后的系统具有良好的动态和静态性能,特别是依据BP控制规律来确定网络连接权的初值,还具有参数快速收敛的优点。     

S形曲线加减速算法的研究

S形曲线加减速算法克服了传统的加减速算法在机床启动和加减速结束时存在加速度突变以及电机的柔性冲击。本文推导了S曲线加减速度算法，给出了速度、位移的计算通式。通过S曲线加减速算法的软件仿真，可以看出其速度曲线在变化过程中十分平滑。说明该算法柔性度较好，适用于高速切削加减速控制。