基于神经网络的电火花线切割机床的可靠性模型建立

针对电火花线切割机床可靠性研究初期,系统任务可靠性框图尚未建立,各个子系统、功能单元之间的相互关系尚未完全清楚的问题,提出了一种基于神经网络的可靠性模型建立方法.以系统可靠度为神经网络的输出,以各子系统可靠度及对应的平均无故障时间为神经网络的输入对神经网络进行训练.训练后的神经网络记忆了系统可靠度与平均无故障时间及各子系统可靠度之间的关系,从而确定了电火花线切割机床的可靠性模型.实例表明该模型具有很强的估测能力以及较高的精度.     

高速走丝电火花线切割机床可靠性研究现状与展望

文中对高速走丝电火花线切割机床的特点进行了介绍,并对其可靠性研究的重要性及迫切性进行了阐述.对目前高速走丝电火花线切割机床可靠性研究的状况进行了总结,并提出了其未来可靠性研究的方向、目标.根据国内外可靠性理论研究发展的趋势提出了可靠性研究与神经网络、模糊理论等前沿科学技术相结合的可靠性研究基本思路.     

基于径向基函数神经网络的电火花线切割机床可靠性数据模拟生成

针对电火花线切割机床(Wire electrical discharge machining,WEDM)可靠性数据分布模型无法确定的问题,提出应用径向基函数(Radial basis function,RBF)神经网络对可靠性数据进行模拟仿真,扩大可靠性数据样本量,从而确定其分布模型的方法。选取聚类学习算法作为神经网络学习方法,通过无监督学习确定RBF神经网络中各隐节点的数据中心,并根据各数据中心之间的距离确定隐节点的扩展常数,然后用有监督学习训练各隐节点的输出权值。经过对原始可靠性数据进行拟合训练后生成一套RBF神经网络,随机产生100个可靠度数据输入该神经网络产生与原始可靠性数据具有相同失效统计规律的数据。对扩充后的可靠性数据通过图估计法和柯尔莫哥洛夫-斯米尔诺夫(Kolmogorov-smirnov,K-S)检验法确定电火花线切割机床可靠性数据分布模型为对数正态分布模型,同时对可靠性模型的参量估计更加准确。     

新颖的Agiecut Evolution2型电火花线切割机床

在AGIE公司的电火花线切割机(WEDM)系列顶端的是Agiecut Evolution 2机床,它与公司其它的机床完全不同,采用了全封闭结构,没有单独的脉冲电源柜或者庞大的CNC控制柜和操作台,一切操作集中于安装在机床罩壳的穿孔面板上。在性能和外观上与过去的机床比有巨大差异。该公司认为,这不仅是一台新机床,而是开创了一套全新的WEDM系统。 Agiecut Evolution 2机床的成功正值该公司自持在经     

电火花线切割机床的高品位加工

随着以汽车,电子产品为中心的精密结构件和塑料成形制品要求的多样化及高品质化,要求对零件(产品及模具)金属表面的加工要更加快速并具有高精度和高品位。 在这些加工中,电火花加工是不可缺少的。但是,其加工时间必须超过当前,应能在较短的时间内达到高品位的加工面。其中,由于电火花线切割机的电极损耗可以忽略不计,且能按程序中的轨迹进行仿形,实现高精度和高效率加工,因此它已从加工简单零件发展     

电火花线切割机床的现代CAD／CAM系统

Xtronix Asia公司开发的CAD/CAM系统不仅可以提供一种快速的程序生成方法,而且还是一种提高生产率的手段。只有CAD/CAM系统支持现今电火花线切割机床的自动化装置,现代的机床才能发挥其全部能力。因此,正确地选择CAD/CAM对于保证在编程上不致成为加工的瓶颈是十分重要的。 现今的电火花线切割机床的CAD/CAM应该保证快速的程序生成,最大的工作柔性和自动化支持,其目的就是要尽量减少机床的停歇时间。 快速的程序生成 理想的编程系统应该是一种“真正的”CAD/CAM,其几何图形和随后的刀具轨迹的生成都是在同一个系统内完成的。因此,通过DXFT或IGES接口从外部CAD工作站输入几何图形图纸时,便可消除误差和时间损失。     

电火花线切割加工机床的适应控制技术

为扩大数控电火花线切割加工范围，需解决台阶形和中空形工件的加工效率。应用放电脉冲功率适应控制技术，成功地解决了上述问题。     

DK77系列电火花线切割机床可靠性评价模型

通过应用模糊神经网络,以模糊综合评价法为基础,以DK77系列电火花线切割机床可靠性指标:平均无故障工作时间(MTBF)、平均维修时间(MTTR)、使用有效度A和故障频度γ为可靠性评价参量建立了DK77系列电火花线切割机床可靠性综合评价模型。实例证明,该模型通过神经网络自适应训练对各评价参量的隶属函数进行了修正,实现了对DK77系列电火花线切割机床可靠性的综合、准确评价,具有一定的实用价值。同时该方法对于其他数控机床可靠性评价工作具有一定的借鉴意义。     

电火花线切割机床三维工件加工

分析了国内起主导作用的各种快走丝线切割机床三维工件加工装置的结构特点和误差,提出了发展方向。     

基于Pearson关联度BP神经网络的时间序列预测

针对BP神经网络存在的过拟合问题,提出了基于Pearson关联度的神经网络预测模型。将传统的基于误差反向传播的BP神经网络中的误差函数替换为Pearson关联度函数,利用梯度上升法对训练过程中神经网络的连接权重和阈值的调整量进行了推导,并为调整量添加了动量项用于提高神经网络收敛速度,然后建立了关联度反向传播预测模型,并对其权重进行了阈值限制以及增加学习率来防止过拟合。对通用数据集进行时间序列预测实验,通过与改进的RBF和BP神经网络对比,表明对于多因素时间序列的预测Pearson关联度BP神经网络的预测误差精度RMSE降低了4.02,收敛次数减少1 690代。实现了将关联分析与BP神经网络的结合,能够在保证效率的同时,解决过拟合问题,提高预测精度。     

基于分式聚合过程神经网络的发动机气路参数偏差值预测

为解决航空发动机气路参数偏差值时间序列中突变值难以预测的问题,基于有理式函数具有更好的非线性逼近能力的理论,提出一种分式非线性聚合过程神经网络模型.该网络结构在隐层中存在一个过程神经元对偶层,通过分式非线性空间聚合的方式,分别实现信号对神经元的激励和抑制作用.根据采样点离散化的特点,采用离散Walsh变换对的内积运算替代积分算子,在简化计算过程的同时消除了数据拟合中的精度损失.采用基于离散Walsh变换LM算法进行网络训练,将训练好的模型应用在气路参数偏差值时间序列预测中.从预测结果可以看出,该模型对存在突变值的时间序列预测具有更高的效率和灵敏性.     

基于RBF神经网络的人体运动跟踪与姿态预测

本文采用径向基函数神经网络进行人体运动跟踪与人体姿态预测，利用采集的运动数据对本文提出的运动跟踪与姿态预测方法进行性能评估，给出部分测试和比较实验结果，实验结果表明，基于径向基函数神经网络的人体运动跟踪与人体姿态预测方法是可行的。     

基于过程神经网络的航空发动机性能参数预测

针对传统方法难以对性能参数进行有效预测的问题,提出一种基于过程神经网络的性能参数预测方法。为解决反向传播学习算法收敛速度慢、易陷于局部极小点等问题,开发了一种基于正交基函数展开的Leven-berg-Marquardt学习算法。为提高过程神经网络的泛化能力,从提高训练样本的质量和规模入手,研究了实际测量数据的预处理方法,并提出一种基于样条函数拟合和相空间重构理论的训练样本集构造方法。最后,将该方法用于某型航空发动机性能参数的预测,获得了满意的结果。     

基于改进型BP神经网络的氢原子钟钟差预测

原子钟的钟差预测是原子钟时标计算和原子钟驾驭的关键环节,良好的钟差预测可明显提高原子钟时标和原子钟驾驭的精度。为进一步提高氢原子钟的钟差预测精度,本文提出了一种改进型的BP神经网络算法,并用中国计量科学研究院守时实验室氢原子钟组的实际数据进行了验证。验证结果表明,本文提出的改进型BP神经网络钟差预测算法与目前采用的线性回归钟差预测算法、SVM钟差预测算法相比,显著地提高了氢原子钟钟差预测精度。该钟差预测算法的提出对提高原子钟时标和驾驭精度有很好的推动作用。     

基于灰色预测和BP的集气管压力集成预测方法

针对焦炉煤气集气过程是一个高度复杂的工业生产过程,难以获得焦炉集气管压力的精确数学模型的问题,提出一种基于灰色预测和BP神经网络的集气管压力集成预测模型。该模型首先利用灰色预测和BP神经网络分别对焦炉集气管压力进行预测,然后采用熵值法确定各预测子模型的加权系数,将两个子模型进行加权集成,可以获得较为准确的焦炉集气管压力值。将其预测性能与单一的灰色模型和BP神经网络模型进行比较,运行结果表明:集成预测模型的预测效果和性能优于单一的灰色模型和BP神经网络预测模型,能够获得较高的预测精度。     

基于神经网络的车辆传动系统故障数据可靠性建模

通过对所记录车辆故障维修数据的统计分析，提出了用神经网络建立可靠性模型的一般思路和方法，从而为国画传动系统可靠性研究找到了新的建模途径，使用较少的 故障数据即可获得很高的建模精度。     

基于神经网络的滚动轴承振动预测

以神经网络与MATLAB实现理论为依据,提出了一种新的滚动轴承振动预测方法。这种方法根据轴承的加工质量试验数据,建立轴承振动预测的BP网络试验模型,在MATLAB开发环境下输入训练样本数据矩阵和目标矩阵。经过训练后,网络误差达到要求,预报结果的最大相对误差小于10％。     

应用神经网络研究煤气鼓风机振动趋势预报

设计煤气鼓风机的振动状态监测方案,介绍神经网络的预测原理,选择4-4-1神经网络拓扑结构,采用改进共轭梯度算法进行网络训练,建立振动趋势预报模型,并运用于鼓风机的振动趋势预报。实验结果表明,基于神经网络的预报技术能准确、有效地预报机组的振动趋势。     

压电振动系统的神经网络建模和预测研究

本文应用MATALB／XPC实时仿真工具测量了贴有压电元件的复合材料薄壁结构的振动响应。并对其进行神经网络的离线建模和预测。比较了几种网络的优缺点。选择了引进外部反馈的前向BP网络作为非线性系统建模的方法，有望推广用于智能结构的健康监测和振动主动控制。