基于BP神经网络的电解加工故障诊断方法研究

针对机匣电解加工工艺复杂、加工环境封闭且故障发生时特征不明显、诊断不及时等问题,提出一种利用遗传算法优化BP神经网络的电解加工状态预测与故障诊断方法,不依赖于加工人员的诊断经验。通过对机匣电解加工过程进行故障诊断试验,表明正常情况下优化后的BP神经网络的识别准确率可达95%,该方法为机匣电解加工故障诊断提供了一种新的模式,有效提高机匣电解加工的可靠性。     

基于BP神经网络的数控超声加工性能研究

采用正交试验方法对数控超声加工效率进行了分析,建立了数控超声加工效率BP神经网络模型,并对所建模型进行了仿真验证.验证结果表明,该模型预测的工艺参数"加工效率"与实测值具有很好的拟合关系,在此基础上拓宽了各因素水平的取值,利用神经网络的非线性映射能力仿真了各参数对加工效率的影响.     

球头阴极电解加工工艺参数对表面粗糙度的影响

介绍了球头阴极数控展成电解加工的原理以及试验装置。在正交试验的基础上,分析了电压、电解液压力、初始间隙、阴极转速和进给速度对表面粗糙度的影响,获得了优化的工艺参数。     

基于BP神经网络的数控加工铣削参数优化

以DMC60H数控机床为试验平台,以壳体类铝合金零件加工为研究对象,提取数控铣削加工试验数据,采用BP神经网络建立数控加工铣削参数优化模型,通过对数控加工铣削参数试验数据的分析与研究,提出了试验数据与样本数据的处理原则,实现了样本数据的优化,提高了BP神经网络模型的收敛精度、收敛速度与预测精度,并分析了验证数据的构成比例。经生产验证:提出的数控加工铣削参数优化方法具有较强的实用性和一定的先进性,能有效提高加工效率,对实现数控机床综合应用效率最优化,实现高效低成本加工具有重要意义。     

基于BP神经网络与遗传算法的固结磨具制作工艺参数优化

目的 利用BP神经网络技术与遗传算法寻找固结磨具制作最优工艺参数组合,实现固结磨具制作工艺参数的快速寻优.方法 设计磨粒粒径、磨粒质量分数、成型压力、烧结温度的正交工艺参数表,按正交表工艺参数制作蓝宝石晶片加工用的Cr2O3固结磨具,并且设计不同固化温度下制作的固结磨具的硬度与抗压强度测试试验,验证自制的固结磨具加工的...     

基于BP神经网络风力发电机轴承座的铸造工艺参数预测模型

基于KBE概念和BP神经网络,结合正交试验设计方法和铸造模拟建立了大型风力发电机轴承座铸件品质的预测模型。浇注温度、浇注时间和模具初始温度作为BP网络训练样本的输入值,基于Procast铸造模拟软件仿真得到的轴承座缩松缺陷面积、轴承座凝固时间、轴承座凝固后铸件最大温差作为模型目标值。结果表明,利用该模型可预测铸件任意工艺参数组合下的结果值,经过模拟试验和预测值的对比,两种方式获得的结果十分吻合,从而缩短大型铸件研发周期,降低了试制成本,并能给出最佳工艺参数组合,对实际生产可以进行快速高效的指导。     

基于神经网络的可控电解珩磨动态加工去除规律建模

针对可控电解珩磨动态加工中电解电压与电解电流的Ｕ－Ｉ响应特性及对应金属去除的“通延断止”现象，提出应用人工神经网络技术求取动态和加工作条件下的金属去除规律。经实验验证，所建数学模型具有较高的计算精度。     

基于神经网络的可控电解珩磨动态加工去除规律建模

针对可控电解珩磨动态加工中电解电压与电解电流的Ｕ－Ｉ响应特性及对应金属去除的“通延断上”现象，提出应用人工神经网络技术求取动态加工条件下的金属去除规律。经实验验证，所建数学模型具有较高的计算精度。     

基于BP神经网络的机械扩径工艺参数预测方法

文章给出了一种基于BP神经网络建立管筒形零件机械扩径工艺参数与成形精度控制参数间的映射关系,并将其嵌入遗传算法以实现工艺参数优化的机械扩径工艺参数预测方法。所涉及的工艺参数包括扩径率、管坯横断面圆度和模具外径与制品内径之比;成形精度控制参数包括制品外径及其横断面圆度误差。该方法能够很好地预测材质为X52、规格为(406mm～720mm)×9mm的管线钢管机械扩径的工艺参数,并给出一个满足其成形精度要求的最佳工艺参数组合。     

可控电解珩磨准稳态加工去除规律的神经网络建模

针对可控电解珩磨准稳态加工中参数的多样性及因果关系的不确定性,提出一种应用人工神经网络建立准稳态加工去除规律模型的方法,通过理论分析给出应用神经网络建模方法的可行性。经实验验证,所建模型具有较高的计算精度。     

基于 BP 神经网络的 Fe 基合金粉末喷涂工艺参数优化

目的基于BP神经网络具有自学习、自训练和输出预测的功能,将其应用于热喷涂过程中的参数优化问题。方法依托高效能超音速等离子喷涂系统实验平台,以Fe基合金粉末为喷涂材料,将等离子喷涂中的主气流量、电功率和喷涂距离作为模型输入,涂层沉积速率和硬度作为模型输出,不断调整隐含层节点个数,最终建立3-7-2网络结构的BP神经网络以优化工艺参数。利用优化出的工艺参数制备Fe基合金涂层,测试其性能,并计算误差。结果神经网络优化出的最优喷涂工艺参数为:主气流量96L/min,电功率56 k W,喷涂距离95 mm。采用该工艺参数制备涂层,涂层增厚实测平均值为360μm,硬度为672HV0.3,而模型的预测值分别为332μm和611HV0.3,与预测值的相对误差分别为7.8%和9.1%。结论 BP神经网络对等离子喷涂参数优化问题的拟合精度比较高,误差在可以接受的范围之内。将BP神经网络运用于热喷涂工艺参数的优化具有科学性和可操作性。     

基于BP神经网络的压铸成型工艺参数的模拟与优化

利用数值模拟、BP神经网络和正交试验相结合的方法对压铸成型的工艺参数进行模拟和优化。并且通过一个简单的实例对该方法的可行性进行了验证。基于BP神经网络对压铸工艺参数及其相对应的铸件最低温度点样本进行训练,得到了工艺参数到铸件温度映射关系的神经网络模型,并验证该模型的准确性。结果表明,神经网络结合正交实验设计方法的优化算法,可以确定出最优的工艺参数组合,缩短了优化工艺参数的时间。     

BP神经网络在电渣重熔工艺参数优化中的应用研究

电渣重熔过程中需要兼顾产品质量、生产效率、生产成本等因素,本文以熔铸电流、冷却水流量、渣池深度作为输入变量,以电极端部锥高、熔化效率、电功率因数作为输出变量,利用BP人工神经网络理论,在MatLab平台上建立起电渣重熔生产工艺优化模型。实验证明,该模型可以用于电渣重熔过程中工艺参数的辅助选择。     

基于LPSO与BP神经网络电阻点焊工艺参数建模优化

电阻点焊工艺参数的设置对点焊焊接质量有着非常重要的作用,难以建立精确的数学模型。基于此,提出一种将Logistic映射微粒群优化算法(LPSO)与BP神经网络相结合的方法,对0.8mm厚08AL钢板点焊工艺参数建模优化。在详细分析点焊工艺的基础上,利用BP神经网络建立点焊工艺参数与焊接质量之间的模型,同时结合LPSO的全局寻优能力,对点焊工艺参数进行优化,获得三大主要工艺参数(点焊时间、点焊电流与电极压力)的最优匹配。以点焊时间9周波、点焊电流11.41k N、电极压力1.7k N的最优工艺参数组合进行试验,结果表明,与BP+COA和正交实验法相比,该方法具有更高的可靠性。     

基于遗传算法BP神经网络的DEFORM-3D车削加工模拟优化

采用DEFORM-3D软件对高速车削进行仿真,得出车削过程中的工艺数据;构建BP神经网络,利用遗传算法优化BP网络,对结果做出了精确预报,找到了模拟条件的最优值,节省了大量的时间以及人力物力,有利于了解车削机理和提高车削质量。     

基于神经网络的显示器主板无铅焊接工艺参数优化设计

以合金型号、预热温度、链条速度、链条角度、焊接温度和焊接时间为输入参数,直通率为输出参数,构建6×18×9×1四层拓扑结构的神经网络优化模型,可以实现无铅焊接工艺参数的优化设计,且预测精度较高、预测能力较强。现场验证表明,与产线上原用无铅焊接工艺参数相比,采用神经网络优化模型设计的无铅焊接工艺参数,获得的无铅焊接焊点直通率从98.12%提高到100%;焊点内部均匀、致密,无气孔等缺陷。     

基于人工神经网络技术的注塑成型工艺参数优化

研究了人工神经网络技术在注塑成型工艺参数优化中的应用,通过建立基于神经网络的压力、温度模型以及优化工艺参数的目标函数,实现了基于人工神经网络技术的注射成型工艺参数优化;并将其应用于华中科技大学模具国家重点实验室开发的注塑成型CAE系统HsCAE 3DRF中,取得了良好的效果。     

基于正交实验与BP神经网络的2AL2激光切割工艺参数优化

运用正交试验对2A12铝合金激光切割参数中激光功率、切割速度、气体压力的工艺数据进行极差、方差分析,得到综合质量最优的因素组合。并以切口粗糙度为研究对象,建立其BP神经网络预测模型,训练后的模型在验证样本测试中的预测值和实际值之间误差较小,从而证明了建立BP神经网络来预测激光切割切口表面粗糙度的可行性,在实际生产中对指导激光切割获得较好的切割质量有一定的实用价值。     

基于BP神经网络的钒基合金自蔓延高温合成工艺参数优化设计

以坩埚H/D值、V2O5还原率、V2O5收得率、TiO2还原率和TiO2收得率为输入参数,钒基合金V3TiNi0.56收得率为输出参数,训练过程采用trainlm函数,设计了具有较高精确度的BP神经网络优化模型,可推广应用到各种钒基合金的自蔓延高温合成工艺参数的优化.