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。     

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网络预测技术在预焙阳极焙烧炉控制中的应用研究

神经网络预测技术作为一种具有高度非线性映射能力的计算模型，已在工程中得到了广泛的应用。本文阐述了基于BP网络预测技术，对预焙阳极焙烧炉温度控制进行一些改进，并在Matlab软件simulink下建模仿真。仿真结果显示BP网络预测技术在泛化能力、自适应能力、预测能力、非线性映射能力、高度并行处理能力、抗干扰能力都明显优于常规PID控制。     

钢筋焊接网焊接工艺参数优化

介绍了新型建筑材料钢筋焊接网，分析了焊接参数对于剪切力、焊缝直径的影响规律，优化了钢筋焊接网焊接工艺参数。     

弧焊机器人焊接工艺参数设计系统研究

设计了基于BP神经网络的弧焊机器人焊接工艺参数设计系统,该系统可以由表征焊接形状的焊缝几何尺寸值映射出具体的焊接工艺参数.通过正交设计法采集样本数据,建立了对应的神经网络模型.利用已建立的网络模型,设计了焊接工艺参数.通过焊接实验,分析了焊缝几何参数理论值和焊接实测值的误差,结果表明所设计的网络具有一定的工艺参数设计能力,几何参数误差在允许范围内,焊缝成形效果良好.     

基于BP神经网络的滚刀工艺参数预测北大核心

为了保证滚刀加工质量的一致性,缩短滚刀工艺文件的制定周期,在对滚刀的粗加工工艺进行研究后,采用机器学习方法,将滚刀的几何特征参数作为反向传播(BP)神经网络的输入变量,滚刀粗加工中每个工序的工艺参数作为输出结果,对滚刀粗加工过程中每个工序的工艺参数进行预测。针对传统BP神经网络最速下降法收敛速度慢的问题,在研究了“锯齿现象”产生的原因后,提出了一种“修正下降方向”的反向传播神经网络算法。仿真结果说明,与传统BP神经网络相比,同等条件下,改进的BP神经网络收敛速度加快,预测结果可靠。     

焊接参数的数学模型及其在焊接中的应用

从碳素钢和低合金结构钢焊接接头淬硬脆化和过热脆化出发，考虑了母材成分，板厚，接头形式，焊接方法，焊接材料等多种条件，归纳出八个确定的焊接参数的数学模型。经十几种钢种，五十多次实践考核表明，能有效地防止接头脆化，接头无裂纹，力学性能合格。     

基于BP神经网络响应曲面的筒形件强力旋压工艺参数优化研究

以BP神经网络为基础构建响应曲面,建立材料参数、筒形件强力旋压工艺参数等和旋压力最大变化值之间的关系,并用粒子群优化算法求解,获得符合优化条件的最优解,从而实现筒形件强力旋压工艺参数的优化。经MARC模拟验证,取得了较好的效果。     

基于BP神经网络的冷轧带钢的力学性能预测

利用BP神经网络的方法预测SPCC冷轧带钢产品力学性能并以现场得到的化学成分（C、Si、Mn、P、S、A1）和工艺参数（退火温度、轧制速度）正交试验数据为基础，采用离线学习的方法得出网络的预报值。     

基于改进的BP神经网络对切削参数的优化选择

为了在切削零件时能合理选择切削参数并充分发挥机床的效能,建立了改进的BP神经网络,用样本集来训练和检测BP神经网络.实现了对切削参数的优化选择和切除率的预测,为切削参数的选择提供了理论依据.实例表明,采用BP神经网络优选的切削参数进行加工,能明显地降低成本、提高生产效率.     

人工神经网络控制在焊接中的研究应用

介绍了近些年来国外关于人工神经网络控制技术在焊接过程的自动化、智能化控制中的研究应用。     

基于专家系统和人工神经网络的点焊工艺参数选择

提出了一处集成专家系统和休工神经网络和电阻点焊工艺参数选择人工智能系统。试运行结果表明,该系统充分发挥了专家系统和人工神经网络各自优点,具有使用简单,预测准确度高,速度快等优点,是实用,合理的,这就为点焊工艺参数优选和接头质量预测提供了一种有效的新方法。     

一种改进的BP神经网络在故障诊断中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行故障诊断.本文结合计算机综合业务的一些实际问题,探讨了利用改进的BP神经网络进行故障诊断的方法和应该注意的问题,在分析神经网络的基础上提出了基于改进的BP模型神经网络的故障诊断推理方法.结果表明,基于BP神经网络的故障诊断方法是行之有效的.     

改进的神经网络技术在声发射定位中的应用

针对时差定位法受很多因素影响的弊端，将神经网络技术应用到声发射源定位中。提取最能揭示声发射源的特征参数和运用主元分析技术来降低输入样本的数量；采用增加隐含层神经元个数探讨它们的误差变化来确定隐含层；运用附加动量法和优化选取初始阈值等措施进行网络设计。将设计好的网络运用到实例中，通过与实际缺陷位置的比较，结果表明，选择合理的网络结构和输入参数可准确定出结构损伤位置，且精度有较大的提高，计算更简单有效。     

基于参数策略的改进粒子群优化PNN神经网络刀具磨损研究

刀具磨损直接影响工件加工质量和尺寸精度,正确掌握刀具磨损状态及时换刀,减少机床停机时间,将直接提高加工效率。为提高刀具磨损状态识别准确率,提出一种基于参数策略的改进粒子群优化PNN(IPSO-PNN)神经网络识别刀具的磨损状态。相较于BP神经网络收敛速度慢、易陷入局部最优的缺点,IPSO-PNN神经网络结构简单、训练简洁快速。与BP神经网络和标准PNN神经网络仿真结果对比,结果表明:IPSO-PNN神经网络识别准确率高,收敛速度快,仿真耗时短,能有效提高刀具磨损识别准确率。     

L-M优化算法BP网络在刀具磨损量预测中的应用

在线刀具磨损量估算及其未来发展趋势预测对于指导现实生产有着十分重要的意义.提出基于L-M优化算法BP神经网络的刀具磨损量在线预测方法.对声发射信号进行小波包分解,得到32个不同频带内的信号,用于构造初始特征向量矩阵;对初始特征向量矩阵进行奇异值分解,计算奇异谱,将奇异谱做为刀具磨损的特征向量,利用神经网络在线预测刀具磨损量.试验结果表明:预测结果能准确地跟踪实际的刀具磨损曲线,并且L-M优化算法比其他改进算法迭代次数少,收敛速度快,精确度高.     

人工神经元网络法估测点焊接头力学性能

采用一个神经网络估测器进行焊点力学性能无损在线分析。在此估测器中，经训练的神经元网络将用于描述动态电阻曲线与焊点力学性能的映射关系，试验结果证实了神经元网络用于这类应用场合的可行性和有效性。     

铝合金直流点焊神经网络建模

采用三相次级整流点焊机和动态参数检测系统,研究了硬铝合金ＬＹ１２直流点焊焊接性;在大量工艺试验基础上,运用神经网络方法,构造了一种离散型人工神经网络点焊质量预测与评估模型。研究结果表明,对点焊焊接电流、极间电压和焊点剪切力等预测模型的输入、输出参数进行离散化处理,可以实现输入向量空间到输出向量空间的映射,构造的预测模型具有良好的有效性和容错性,适用于铝合金直流点焊质量的预测和评估,为最终实现电阻点焊的智能制造奠定了基础。     

改进的RBF神经网络PID算法在电液伺服系统中应用

为克服传统PID控制电液伺服系统时存在参数整定不良,动态响应特性欠佳的问题,采用RBF神经网络PID对系统进行控制,并针对控制中存在的问题对控制算法进行改进,仿真和实验研究表明,改进的RBF-PID控制算法较RBFPID和传统PID具有较快的响应速度和较好的鲁棒性。