刀具耐用度变动系数的BP神经网络预报技术

采用改进ＢＰ算法，建立了刀具耐用度变动系数的神经网络预报模型，研究表明，该模型适合于描述刀具耐用度变动系数切削条件参数之间复杂的非线性函数关系，并可以对不同切削条件下的刀具耐用度变动系数进行正确预报。     

低速稳态切削的刀具耐用度

根据切削加工系统的颤振理论，讨论了在低速切削状态下，后刀面的磨损宽度及刀具耐度，推导了在低速稳切削下，后刀面磨损宽度及刀具耐用度计算的经验公式，从而在低速范围内，给稳态切削刀具耐用度的选择提供了一个理论依据。     

对50Cr淬硬钢轧辊切削加工性的研究

本试验从切削力、切削温度、刀具磨损和刀具耐用度等几个方面,对50Cr轧辊的切削加工性进行了研究,通过试验和线性回归计算,建立了一定条件下切削力、切削温度、刀具耐用温度的试验公式;并且定出在本试验条件下较合理的切削用量和刀具较合理的几何参数,使生产率提高了二到三倍,可供轧辊加工时作参考。     

新型陶瓷刀具加工航空材料时的切削性能及磨损机理

利用ＹＧ８和山东工业大学研制的ＳｉＣ晶产韧新型陶瓷刀具对航空高温镍基合金ＧＨ７６１进行了切削试验，结果表明：在相同的切削条件下，ＪＸ－１的刀具耐用度比ＹＧ８高许多。本文还对ＪＸ－１在不同切削条件下的磨损机理进行了研究。     

利用放射性同位素快速确定刀具耐用度与切削速度的关系

在国内首先引用放射性同位素法,快速得出了刀具耐用度与切削速度的关系。精确地查明了切削过程中刀具磨损进展的模型。     

新型陶瓷刀具加工航空材料时的切削性能及磨损机理

利用ＹＧ８和山东工业大学研制的ＳｉＣ晶须增韧新型陶瓷刀具（ＪＸ—１）对航空高温镍基合金ＧＨ７６１进行了切削试验．结果表明：在相同的切削条件下，ＪＸ—１的刀具耐用度比ＹＧ８高许多．本文还对ＪＸ—１在不同切削条件下的磨损机理进行了研究．     

低速稳态切削的刀具耐用度

根据切削加工系统的颤振理论，讨论了在低速切削状态下，刀具后刀面的磨损宽度及刀具耐度推导了在低速稳切割下，后刀面磨损宽度及力具耐用度计算的经验公式，从而在低速范围内，给稳态切削刀具耐用度的选择提供了一个理论依据．     

刀具磨损的自适应控制

本文以刀具耐用度的台劳公式为数学模型,建立了刀具磨损的自适应控制系统。通过刀具磨损检测装置,在动态切削过程中,实时检测刀具的磨损特性,自动迅速地确定与给定刀具耐用度相适应的最佳切削速度。     

人造超硬刀具超声波振动切削的研究

研究了人造超硬刀具超声波振动切削纤维增强复合塑料和无氧铜的表面粗糙度以及淬火钢和金属钼的刀具耐用度，得到了一些重要的结果。     

振动切削机理研究及应用

切削过程中的振动对工件的加工质量、刀具耐用度有较大的影响，对精密切削加工尤为突出，振动切削作为一门新技术，可弥补普通切削的某些不足，利用另外设置的振动源，将高频且有规律的振动作用到金属切削加工的工艺系统上，使使于相对不振的状态，从而可以提高工件的加工精度，改善已加工表面质量，实现精密切削。     

磨料水射流切割可视化BP神经网络模型研究

针对磨料水射流切割性能与影响因素间存在复杂的非线性关系,无法用传统数学方法建模的问题,基于BP人工神经网络理论,结合典型材料的切割实验结果,在考虑射流压力、磨料流量、切割靶距、工件厚度、磨料喷嘴直径与切割速度6个因素情况下,建立了磨料水射流切割BP神经网络模型.同时,基于Delphi开发出了可移植的磨料水射流切割速度人工神经网络预测单元,实现了所建网络模型的可视化,为实现网络模型与数控系统的集成提供条件.研究结果表明,该网络模型能快速、准确、可靠地预测切割速度,与数控系统相集成可实现对磨料水射流切割质量的有效控制.     

基于BP神经网络马尔科夫模型的径流量预测

讨论了马尔科夫链状态划分的黄金分割率法和"马氏性"检验法,并针对BP神经网络预测和马尔科夫预测的优缺点,提出了BP神经网络与马尔科夫相耦合的BP神经网络马尔科夫模型,以石泉水库年入库径流量为例,验证了该方法的可行性.     

PSO-BP神经网络采煤机截割系统故障诊断

截割系统是采煤机重要的组成部分,如果发生故障将导致连续采煤机停止工作,严重影响其生产率。采用粒子群算法（PSO）优化BP神经网络的方法,对采煤机截割系统故障诊断进行研究,与传统BP网络比较后,结果表明这种方法可确定连续采煤机截割系统的运行状态、降低故障率、提高生产率和使用寿命。     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP（Back Propagation）算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法（Genetic Algorithm）处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。     

基于GIS的河流水体污染非线性预测系统研究

针对河流水体污染物的空间分布特点,提出综合运用GIS、BP神经网络和遗传算法,实现河流水污染的空间数据管理和污染预测的方法。该方法通过改进激励函数、为权值的修正加入动量项等方法改良BP算法;并引入遗传算法实现BP神经网络隐层节点数、最佳学习率和动量因子等参数的自动搜索,有效地解决了传统模型参数难以确定等问题。并进一步将该模型与GIS强大的空间功能结合,实现了水体污染的海量空间数据管理及评价预测结果的空间图形直观可视化表达,十分便于及时掌握河流水体污染动态、空间分布及演化趋势。并最终以GIS为二次开发平台,实现了基于遗传神经网络的河流水体污染非线性预测管理系统,并在长江重庆城区段河流污染预测应用中显示出良好的效果,预测精度达78%以上。     

一类新的基于神经网络预测的变周期网络控制系统采样方案

提出了一类新的能够减轻时延对网络控制系统影响的基于神经网络预测的变周期网络控制系统采样方法,简要论述了在网络控制系统中融入了BP神经网络后,如何对它进行建模、分析、控制,被选作采样周期的时延可以利用BP神经网络工具进行在线预测,文中还给出了一种新的可以应用于生产实践的网络控制系统推广模型．     

改进SSA优化的BP神经网络交通量预测模型

为更加准确地进行交通量预测,针对传统的BP神经网络随机赋值、收敛速度慢等问题,提出了改进麻雀搜索算法（sparrow search algorithm,SSA）优化的BP神经网络预测模型。该模型结合SSA位置更新原理和鸡群优化算法中公鸡位置更新方法对麻雀搜索算法进行改进,在避免算法陷入局部最优和位置更新无效的同时有效地提高了算法的收敛速度。利用改进麻雀搜索算法对BP神经网络的权值和阈值进行寻优赋值,得到了改进SSA-BP神经网络预测模型。利用交通量数据,对LSTM神经网络、BP神经网络、SSA-BP神经网络和改进SSA-BP神经网络4种预测模型进行训练和测试,以MAE、MAPE、MSE、RMSE和EC 5个指标对预测结果进行对比分析。结果表明:BP神经网络优于LSTM神经网络,且麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了0.28 veh/(3 min)、MAPE降低了1%、MSE降低了2.72 veh/(3 min)、RMSE降低了 0.04;改进麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了1.31 veh/(3 min)、MAPE降低了4%、MSE降低了9.2 veh/(3 min)、RMSE降低了0.18,且拟合度更接近于1。改进SSA-BP预测模型的性能优于SSA-BP神经网络预测模型,且有效提高了BP神经网络的预测精度,拟合度达到0.98,该模型适用于交通量预测,能够为智能交通系统提供可靠的预测值。     

Adaptive control of machining process based on extended entropy square error and wavelet neural network

Combining information entropy and wavelet analysis with neural network,an adaptive control system and an adaptive control algorithm are presented for machining process based on extended entropy square error(EESE)and wavelet neural network(WNN).Extended entropy square error function is defined and its availability is proved theoretically.Replacing the mean square error criterion of BP algorithm with the EESE criterion,the proposed system is then applied to the on-line control of the cutting force with variable cutting parameters by searching adaptively wavelet base function and self adjusting scaling parameter,translating parameter of the wavelet and neural network weights.Simulation results show that the designed system is of fast response,non-overshoot and it is more effective than the conventional adaptive control of machining process based on the neural network.The suggested algorithm can adaptively adjust the feed rate on-line till achieving a constant cutting force approaching the reference force in varied cutting conditions,thus improving the machining efficiency and protecting the tool.     

BP神经网络在带钢宽展预测中的应用

传统数学模型对非线性系统进行预测往往造成较大误差，而BP神经网络能取得较好的效果．本文将BP神经网络的思想用于热连轧精轧自然宽展预测。研究并建立了基于BP神经网络的精轧自然宽展预测控制数学模型。经用现场实测数据仿真验证表明该模型大大优于传统的数学预测模型的预测精度．