结合数学模型的模糊聚类BP网络预报板凸度

分析了中厚板板凸度计算模型并给出了相应的在线数学模型。为了提高板凸度在线模型预测精度，提出了一种基于模糊聚类BP神经网络的板凸度模型影响系数的优化方法。并采用模糊聚类分析方法，科学选取学习样本，解决了由于样本多学习速度慢的问题。通过对大量在线数据分析得出，这种方法对中厚板板凸度的预报精度有很大改善，能适应不断变化的工艺过程和设备条件。     

韶钢3 450 mm中厚板轧机板凸度控制的研究

针对宝钢集团广东韶关钢铁有限公司3 450 mm中厚板轧机存在板凸度过大的问题,建立了3 450 mm机组辊系仿真计算模型,对该机组的板凸度调控能力进行了仿真分析,发现目前使用的工作辊辊型凸度过小,导致机组板凸度调控能力过低,同时弯辊力投用不合理和轧制负荷分配不合理加剧了机组板凸度过大的问题。为此,对机组的工作辊辊型进行了设计,并重新制定了弯辊力设定策略和机组轧制负荷分配制度,使成品平均板凸度由0.35 mm降至0.10 mm以下。     

BP神经网络及其在焊接中的应用

介绍了BP（Back Propagation)神经网络在焊接中的广泛应用，综述了其在焊接领域，如焊接接头质量预测与监控、焊接工艺参数设计、焊缝成形控制、焊缝跟踪以及焊接缺陷的检测等方面的应用现状，同时展望了神经网络在焊接中的应用趋势。     

BP神经网络在齿轮箱故障诊断中的应用

介绍了BP网络的原理、算法，并用BP网络对采煤机截割部齿轮箱机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证，证明用人工神经网络可较好地预报机器故障，变被动维修为视情维修，可节省大量的设备维修费用，为合理安排生产计划及设备检修提供了可靠的依据。     

BP神经网络在压铸模优化设计中的应用

简述了在压铸过程中飞边产生的原因和相应的预防措施以及BP人工神经网络的基本原理和算法,利用BP人工神经网络来预测压铸件飞边的大小,从而达到优化于压铸模设计的目的。     

BP神经网络在流量比值控制系统中的应用

针对在PCT-2型过程控制装置进行流量比值控制时,PID参数难以整定的问题,提出了一种基于神经网络自适应的PID流量比值控制方法.该算法利用BP神经网络的非线性表示能力,通过系统的自学习来实现具有最佳组合的PID控制.这种方案达到了在线实时控制的目的.实验表明:在流量比值控制系统中,基于BP神经网络的PID控制算法比普通PID控制算法具有更好的动态性能和鲁棒性,能取得很好的控制效果.     

BP神经网络及其在压铸模具优化设计中的应用

简述了在压铸过程中飞边产生的原因和相应的预防措施以及BP人工神经网络的基本原理，利用BP人工神经网络来预测压铸件的飞边的大小，再与模拟结果进行比较，从而达到优化压铸模具设计的目的。     

BP神经网络技术在金刚石检测中的应用

以金刚石外部形貌参数椭圆度、透光度和其磁化率为输入量,以金刚石的冲击韧性TI值、热冲击韧性TTI值为输出量, 通过BP神经网络建立输入与输出量之间的映射关系,得到金刚石TI、TTI的BP神经网络预测值。结果表明:TI、TTI的预测结果较为准确,其预测值与实际检测值平均相对误差不高于1.4%,最大相对误差不高于5.4%,在一定程度上可以替代当前的有损检测方法。      

BP神经网络在预测注塑模型腔温度中的应用

注塑成型的过程中,影响其质量的因素很多,模具型腔的温度就是其一重要因素。它不仅影响到注塑件的质量,而且影响到模具加工的生产效率。运用BP神经网络来预测注塑模型腔温度不仅过程简便,还具有很高的精度,绝对误差小于2℃。     

BP神经网络在挖掘机液压系统故障诊断中的应用

介绍了BP网络的结构及学习算法,阐明了液压系统故障诊断的实现过程.通过对挖掘机液压系统常见故障进行试验和测试,验证了该神经网络收敛速度快,学习记忆稳定,具有很好的学习功能;测试结果表明该诊断方法具有高可靠性,达到了预期的结果,可以用于液压系统的故障诊断.     

Application of BP neural network to semi-solid apparent viscosity simulation

1　INTRODUCTIONSincethethixotropic propertiesofvigorouslystirredtin leadslurrieswerediscoveredbySpenceretal[1] atMIT ,investigationandapplicationofthese mi solidtechnologyhavebeendevelopedquickly .Thestudyontheapparentviscosityisnotonlyoftheoreti calbutalsoofutilizationsignificance .Manyinvesti gatorshavecarriedoutagreatdealofexperimentalresearchandputforwardmanymathematicalmodelsofthesemi solidapparentviscosity .Someofthesemodels ,whicharerelatedto popularexponentialfunctionandaclassica…     

BP神经网络在焊缝位置识别中的应用

研究了一种焊缝位置识别新方法,在一定工艺条件下,使用视觉传感器采集焊接熔池图像,选取图像中熔池前端部分进行处理,先对其进行中值滤波与灰度变换,在此基础上,获取每一幅熔池图像的质心值、质心位移、质心速度及电弧与焊缝的偏差值作为训练样本数据.以质心值、质心位移和质心速度为输入量,以偏差值为输出量,利用BP神经网络建立其数学模型,最后对该模型进行检验.检验结果表明,该模型能够较准确地描述熔池图像质心与焊缝偏差之间的关系,为进一步实现精确的焊缝跟踪提供了理论和试验依据.     

基于BP网络的热连轧粗轧宽度预测模型

为了提高粗轧宽度的设定精度,采用BP神经网络方法代替传统数学模型进行热带钢连轧粗轧机组宽度预报,并进行了不同方案的比较研究,结果表明,BP神经网络的预测精度优于传统数学模型方法,预测值与实测值的标准差减小了87．3％。     

BP神经网络在轧制力计算中的应用

针对传统轧制力模型不能提供足够精确的预报值问题,采用BP神经网络技术能够提供了一个崭新的建模工具,该技术有很多算法,本文利用不同算法的BP网络对中国重型机械研究院设计的1450六辊冷轧机轧制压力进行了预报,结果显示traingdx算法误差较小,平均偏差为0．016,计算结果比较精确。     

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。     

焊条性能神经网络非线性组合智能预测模型

通过试验测定焊条熔敷金属的断后伸长率和冲击吸收功等力学性能,以多层前馈神经网络(BP)、径向基函数神经网络(RBF)、自适应模糊神经网络(AFNN)3种方法获得的单一预测模型的计算值作为输入参数,建立焊条熔敷金属力学性能神经网络非线性组合预测模型.利用42组试验样本对模型进行训练和验证.结果表明,断后伸长率和冲击吸收功...     

基于BP神经网络的轧机油膜厚度补偿的测试与建模

针对单机架热轧中厚板轧机天铁2500mm中厚板生产线的油膜补偿问题进行了研究,用基于BP神经网络的方法建立了轧机油膜厚度补偿模型,并与已成熟应用的基于Reynolds方程的轧机相对油膜厚度补偿方法进行比较分析.结果表明,BP神经网络模型比基于Reynolds方程的轧机相对油膜厚度补偿方法具有预测精度高、样本学习时间快、收敛速度快的优点,BP神经网络模型可以对轧机油膜厚度进行良好的补偿.     

神经网络在模具型腔温升预测中的应用

挤压成形过程中由于坯料和模具之间的滑动接触摩擦和坯料的塑性变形产生热而使模具型腔表面温度升高,加剧模具的磨损。采用热力耦合有限元法计算挤压成形过程中模具型腔表面的温升,将模拟结果与人工神经网络相结合,以有限元模拟结果作为学习样本,训练BP神经网络模型,以此模型预测模具型腔表面的温升。根据预测结果分析了挤压锥角、挤压速度和摩擦系数对型腔温升的影响,为进一步建立挤压成形过程中模具型腔表面的温升模型和磨损预测模型奠定了基础。     

基于BP神经网络的5A06铝合金电子束焊接熔深预测

采用人工神经网络方法对5A06铝合金电子束焊接的熔深进行了预测研究.使用正交试验方法采集训练样本,并对样本进行标准化,通过确定合适的网络模型、网络结构及算法、网络训练次数,建立了从加速电压、束流、焊接速度到熔深的BP网络映射模型.网络训练后的检验精度较高,通过编制的用户界面实现了一定工艺参数范围内的熔深预测.