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。     

基于BP神经网络的滚刀工艺参数预测

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。     

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.     

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。     

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.     

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.     

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。     

BP神经网络的弯辊力预设定优化

针对国内某厂六辊单机架可逆冷轧机预设定弯辊力与实际轧制过程中弯辊力偏差较大的问题,采用了BP神经网络对其进行优化,结果其精度比回归的弯辊力模型的精度有显著提高,可使弯辊力预设定精度控制在15%以内,并为实现弯辊力的闭环控制奠定了基础。     

神经网络在机器人焊接参数规划中的应用

离线编程因其不占用生产时间、适用性广等优点,已成为机器人编程中的重要的一个分支。而机器人焊接参数规划器是弧焊机器人任务级离线编程的一个非常必要的组成模块。本文采用了前馈式神经网络的一种新的学习算法－单参数动态搜索算法（SPDS）,以完成焊接参数规划任务。该算法的特别是单参数动态搜索,大大减少了误差函数的计算量。同时本文利用了函数连接的思想,完成了神经网络输入参数的预处理。计算结果表明,在焊接参数规划方面,该方法的收敛效果要优于现行的BP算法。     

基于神经网络的磨削工艺参数智能预测模型

磨削参数的合理选择对于磨削加工过程有着重要的影响,将人工智能运用到磨削工艺参数的选择过程中是现代发展的一个新趋势.在分析现有的智能算法后,提出了一种利用BP神经网络模型来确定磨削参数的方法.在该方法中综合考虑影响磨削加工的因素,把它们列为神经网络系统的输入参数,并对输入参数进行编码;同时也对输出参数(砂轮速度、工件速度、磨削深度、磨削进给速度)进行了归一化处理以适应神经网络的学习.采用循环算法比较得出隐层的最优神经元个数,从而最终建立了磨削参数智能预测模型,并利用Matlab进行仿真预测,仿真结果表明该预测模型准确率很高,能为磨削参数的选择提供可靠数据.     

A Neural Network for Weld Penetration Control in Gas Tungsten Arc Welding

Realizing of weld penetration control in gas tungsten arc welding requires establishment of a model describing the relationship between the front-side geometrical parameters of weld pool and the back-side weld width with sufficient accuracy. A neural network model is developed to attain this aim. Welding experiments are conducted to obtain the training data set （including 973 groups of geometrical parameters of the weld pool and back-side weld width） and the verifying data set （108 groups）. Two data sets are used for training and verifying the neural network, respectively. The testing results show that the model has sufficient accuracy and can meet the requirements of weld penetration control.     

压铸浇注工艺参数的人工神经网络优化设计

在总结大量的实践经验的基础上，采用神经元网络方法，借助MATLAB6.0平台及其神经网络工具箱，建立了内浇口速度与填充时间的多输入－多输出神经网络模型，并通过实际算例进行了验证。