高碳当量灰铸铁成分的遗传优化

高碳当量灰铸铁具有良好的铸造性能，但提高强度是一个重要研究课题。综合自适应模糊推理的建模功能和神经网络的学习能力，直接从试验数据中提取推理规则，建立了成分与抗拉强度和硬度之间的自适应模糊推理模型。模型由一系列规则组成。能帮助人们认识合金化规律，且具有较高的预测精度和泛化能力。同时，将自适应模糊推理模型与遗传算法耦合，得到了最高强度下的成分。研究形成的建模与优化方法可推广应用到其它材料的建模与成分优化。     

备件需求量的灰色理论预测法

设备效能能否正常发挥,维护方式的建立与备件能否正常供应是关键所在.因此运用科学的方法强化预测的功能,方能提升备件的精准度并有效降低成本.传统的预测方法需要大量的观察值,才能进行预测,而灰色预测法的特点是使用少量数据,即可顺利进行预测.运用灰色理论建立关于备件需求量的灰色预测模型,并进行了实例验证,计算结果表明,预测模型的计算值与实际值非常近似,模型的预测结果较为理想,可提供备件需求作业思考空间,以减少待料、呆料情况的发生.     

压力容器用钢焊接接头的裂纹张开位移

一、引言压力容器大多属于焊接结构,由于焊接使焊区发生了从液态到固态的各种结构变化,使得焊区内不论其微观结构或力学性能(包括断裂韧性)与母材相比都有一定的差异。实际构件中,接头区往往会     

裂纹张开位移与伸长区宽度的关系

本文研究了裂纹张开位移(COD)的启裂值δ_i伸张区宽度(l)之间的关系以及某些因素对此关系的影响。结果表明,δ_i/l在1.4～4.7范围内变化,随着裂纹相对深度(α/W)增加,δ_i/l呈线性降低;对调质组织而言,随着回火温度的增加,在屈服强度δ_i降低和应变硬化指数增加的同时,其δ_i/l降低。     

基于灰色模型的焊点健康状态预测

随着BGA(ball grid array)封装FPGA在武器系统及航空航天领域的应用越来越广泛,其焊点健康状况越来越受到关注. 利用灰色系统理论,有效解决了焊点失效模型建立过程中数据样本少且无明显规律、焊点失效过程难以预测等难题. 文中将焊点故障诊断过程中得到的前期故障实测数据作为原始数据,建立焊点失效灰色模型,并对焊点后期健康状况进行预测,预测结果与实测结果对比发现,预测精度为一级. 结果表明,基于灰色系统的焊点健康状态预测模型,做到了焊点故障的提前预警,克服了监测周期长、焊点故障难以预测、一旦发现即失效等问题.     

裂纹顶端张开位移COD临界值δc的研究

讨论了中低强度钢的裂纹顶端张开位移ＣＯＤ的临界值δＣ与材料断裂韧性的关系、δＣ的测试及其结果分析     

磨削力的灰色预测方法

本文将灰色系统理论应用于磨削过程中磨削力的预测,并对预测结果与传统的回归分析计算结果进行了比较,结果表明,灰色预测可比回归分析法获得更高的精度。     

铸铁力学性能预测的研究

研究了铸铁力学性能预测技术，在华铸CAE(intecast)计算所得数据的基础上，采用人工神经网络模型对抗拉强度和布氏硬度进行预测，从而建立工艺参数、化学成分与力学性能的关系，根据预测结果改善铸造工艺，最终达到优化铸造工艺、缩短实验周期的日的。’     

基于人工神经网络的焊缝宽度预测

研究了用神经网络预测焊缝宽度的方法。首先对焊接质量检测系统的一些相关问题进行了研究,考虑了弧焊特性的提取、焊接质量的预报以及人工神经网络模型(ANN)的应用,设计了一个基于人工神经网络的焊接质量检测系统,给出系统的组成结构,ANN被用于预测焊缝宽度,建立了焊缝宽度预测的人工神经网络模型。为了验证建立的ANN模型的可行性,进行了仿真研究。仿真结果表明,所建立的ANN模型可预测焊缝宽度,基于人工神经网络的焊接质量检测系统是有效的。     

两种预测焊接接头力学性能的模糊神经网络

针对焊接过程的高度非线性、多种因素的交互作用复杂,难以预测焊后接头力学性能.以TC4钛合金TIG为基础,建立了自适应模糊神经网络（ANFIS）和模糊RBF神经网络（FRBFNN）焊接接头力学性能预测模型.以焊接工艺参数、接头力学性能作为预测模型的输入、输出参数.利用27组试验数据对模型进行训练,用另外6组试验数据进行仿...     

Accurate modeling and prediction of surface roughness by computer vision in turning operations using an adaptive neuro-fuzzy inference system

Modeling and prediction of surface roughness of a workpiece by computer vision in turning operations play an important role in the manufacturing industry. This paper proposes a method using an adaptive neuro-fuzzy inference system (ANFIS) to accurately establish the relationship between the features of surface image and the actual surface roughness, and consequently can effectively predict surface roughness using cutting parameters (cutting speed, feed rate, and depth of cut) and gray level of the surface image. Experimental results show that the proposed ANFIS-based method outperforms the existing polynomial network-based method in terms of modeling and prediction accuracy.     

冲天炉熔炼过程自适应神经--模糊建模

对一个实际冲天炉进行系统试验，得到一系列铁液温度、熔化率与焦耗、送风强度之间相互关系数据。综合自适应模糊推理的建模功能和神经网络的学习能力，在精确表达数量关系的同时，还能直接从实验数据中提取规则，帮助操作者认识熔炼规律，据此得出的新型网形图使用起来更为方便快捷。     

基于模糊神经网络的故障诊断方法研究

文章构造了一种模糊神经网络模型,并详细阐述了模糊神经网络(FNN)的结构、算法.经过MATLAB仿真运行证明其可行性,另外在相同的条件下,FNN网络在故障诊断的准确率及训练速度方面均优于传统的BP网络.     

神经网络模糊控制在无刷直流电机中的研究与实现

文章提出了神经网络(Neural Network)模糊(Fuzzy)控制方法,输入信号先模糊化,然后通过构建的神经网络,并在线调整神经网络的权值,从而得到能随着神经网络权值调整而变化的参数,最后由调整的参数控制系统,使系统的输出具有更好的动静态性能,并提高系统的鲁棒性.仿真和在无刷直流电动机中的实验结果,表明在设计的神经网络模糊控制器下,系统取得了较好的控制效果.     

Development of an electrode intelligent design system based on adaptive fuzzy neural network and genetic algorithm

The coating on the electrodes contains many kinds of raw materials which affect significantly on the mechanical properties of deposited metals. It is still a problem how to predict and control the mechanical properties of deposited metals directly according to the components of coating on the electrodes. In this paper an electrode intelligent design system is developed by means of fuzzy neural network technology and genetic algorithm,, dynamic link library, object linking and embedding and multithreading. The front-end application and customer interface of the system is realized by using visual C ＋＋ program language and taking SQL Server 2000 as background database. It realizes series functions including automatic design of electrode formula, intelligent prediction of electrode properties, inquiry of electrode information, output of process report based on normalized template and electronic storage and search of relative files.     

分析网络参数对模糊神经网络预报结果的影响

本文以实验数据为基础 ,分析网络参数对Modular预报 30MnSi金属塑性变形抗力预报精度的影响 ,找出最佳网络参数 ,提高预报准确性。同时指出 ,在采用模糊神经网络进行预报时 ,分析网络参数对预报精度影响的必要性。     

基于模糊神经网络的电阻焊机恒电流控制研究

由于建立实际电阻点焊过程精确的数学模型比较困难,使得常规的人工调节PID控制器参数较难实现良好的匹配,从而难以获得满意的控制效果.针对该问题,将智能调节与PID控制方法相结合,利用模糊神经网络设计了参数κp、κi、κd自适应调整的PID控制器,构建了逆变电阻点焊电源的系统模型,通过对系统运行状态的在线学习智能化地修正PID的三个参数.PID控制输出量通过PWM发生器产生四路独立的、占空比实时变化的PWM波形,进而控制逆变器的功率开关器件导通时间,最终实现对系统恒电流的输出控制.仿真结果表明,该方法能根据系统的运行状态自行匹配对应最优控制规律下的PID三个参数,能有效地控制焊接电流的恒定,达到满意的效果.     

焊条性能神经网络非线性组合智能预测模型

通过试验测定焊条熔敷金属的断后伸长率和冲击吸收功等力学性能,以多层前馈神经网络(BP)、径向基函数神经网络(RBF)、自适应模糊神经网络(AFNN)3种方法获得的单一预测模型的计算值作为输入参数,建立焊条熔敷金属力学性能神经网络非线性组合预测模型.利用42组试验样本对模型进行训练和验证.结果表明,断后伸长率和冲击吸收功...