SLFM神经网络在飞机零件数控加工工时估算中的应用研究

在飞机结构件数控加工工时估算中,特征参数对工时的影响呈现出典型的非线性特征,且特征参数之间存在着不同程度的耦合效应.提出采用SLFM神经网络建立数控加工工时的估算模型,可快速、准确地预测零件加工工时,满足工程咨询和生产管理的预测需求.     

基于BP神经网络的面向STEP-NC加工工步序列生成

针对STEP-NC非线性工艺规划中加工工步序列的生成问题,提出一种基于BP神经网络的工步序列智能化决策方法。在分析STEP-NC基于加工特征数据模型的基础上,提出面向STEP-NC加工工步序列的表示方案,并对其约束条件进行了分析;构建了基于BP神经网络的加工操作方法选择模型、机床选择模型和刀具选择模型的智能化决策策略,并对模型的有效性进行了训练与测试,充分融合了零件加工经验的定性化与神经网络的定量化决策方法,采用加工工步选择概率大小来实现STEP-NC工步序列的智能化生成;基于Solidworks三维CAD平台,开发了相应的原型系统,并以孔加工工步序列的生成为例,进一步验证了所提方法的正确性和有效性。     

DE＿kmeans预测液压缸零件工时定额

为提高液压缸零件工时定额预测的准确性及高效性,提出一种基于加工特征参数的DE_kmeans预测模型。首先根据工时影响因素提炼出历史及待预测加工特征参数;采用改进的DE_kmeans算法对历史加工特征参数进行聚类成组;对每个聚类组分别建立BP神经网络预测模型并基于历史加工特征参数进行训练;针对待预测加工特征参数,按照标准化欧式距离最小的原则划分至特定聚类组及预测模型;用该模型对待预测零件工时进行预测。通过测试实例验证该方法的预测误差控制在10%以内,证明该方法的可行性及有效性。     

基于BP神经网络的焊接工时定额模型研究

为了提高焊接工时定额的计算效率和精确度,消除传统定额方法过度依赖线性公式进行计算而忽略工时定额与其加工工艺参数之间的非线性关系的不足,将BP神经网络技术应用到焊接工时定额中,建立多输入单输出的神经网络模型,并运用实际数据对建立的神经网络进行训练,通过测试样本验证了该网络模型输出的仿真值与实际值之间的误差在5%以内。验证结果表明,用BP神经网络方法建立的焊接工时定额模型能够对焊接工时进行准确的预测。     

基于遗传算法的工步优化排序方法

针对数控加工中心上零件加工工步的排序问题,以辅助加工时间最短为优化目标,使用遗传算法对零件在一次装夹情况下的加工工步进行优化排序。提出了使用特征关系图和特征高度描述待加工特征之间加工的优先顺序、采用工步优先关系矩阵校验工步序列合理性的方法。论述了初始群体的生成、遗传算子以及工步优化排序的过程和算法。实际应用表明,该方法可有效提高工艺规划系统中工步的优化排序能力。     

基于加工特征实例的零件工时预测评估

通过构建零件加工特征实例,建立基于实例推理的零件加工工时预测评估模型,提出基于加工特征实例及典型工艺方案的零件工时制定方法,克服了传统工时制定方法的局限性,该方法有助于零件加工成本的预测评估及控制。     

基于模糊BP网络的加工方法链决策

为实现计算机辅助工艺计划(CAPP)系统中零件特征加工方法的决策,分析了影响零件加工方法的因素,提出利用模糊BP神经网络算法对零件特征加工方法链进行优化决策.根据BP网络能够学习任何模式的映射关系的特点,建立了从输入到输出的网络决策模型,并对网络结构、参数确定和样本选取等问题进行详细阐述,运用合理的学习算法来训练网络,最后通过实例验证了该网络的有效性.结果表明,利用模糊BP神经网络进行零件加工方法的选择是有效的和可靠的.     

基于BP神经网络的槽类特征铣削加工方案决策和刀具优选

为实现CAPP系统中零件特征加工方法的智能决策,完成加工结果相互关联的特征加工方案选择,利用BP神经网络算法对槽类特征加工方法和刀具选择进行智能决策,建立了从输入到输出的网络决策模型,并对网络结构、参数确定问题进行阐述。通过正交表选取试验样本,运用带有自适应lr的梯度下降算法来训练网络,最后通过实例验证了该网络的有效性。结果表明,利用BP神经网络进行零件加工方法的选择和刀具优选是可行且有效的。     

加工精度在线检测系统预行程误差预测与补偿

预行程误差的预测和补偿能够大大提高加工精度在线检测系统的测量精度.提出了一种基于BP神经网络的检测误差预测新方法,建立了一个基于BP神经网络的在线检测系统预行程误差预测模型,通过实验数据对该网络进行训练,并将训练好的神经网络应用到实际加工零件的误差预测和补偿.为了验证该方法的有效性,以一圆柱零件的圆度误差检测为例,对其加工精度的在线测量进行了预行程误差的预测与补偿,经与CMM检测结果的对比,说明了该方法的有效性.     

基于BP神经网络的加工误差动态监测研究

通过研究箱体零件上的孔在数控铣床上的加工过程,采用BP神经网络模型完成了其信息提取和分析,构建了加工误差分析的网络模型,建立了实时工况监测系统,为数控加工工艺过程中加工精度的实时分析研究奠定了基础。