基于PFEA、ANN和GA的U形件成形板料形状优化

将参数化网格划分系统ParaMesh和网格模型转换接口程序应用于参数化有限元分析(PFEA)和优化设计之中。通过ParaMesh建立了参数化有限元模型并进行参数化有限元分析。把人工神经网络(ANN)和遗传算法(GA)相结合进行优化设计,研究了U形件翻边成形中的板料形状优化。利用优化的结果值进行验算,获得了良好的成形件,表明基于PFEA、ANN和GA进行成形板料形状优化是可行的。     

基于小波包变换预处理的铝电解槽针振信息元分析与诊断

简述了小波包变换的基本原理及利用小波包对电压信号进行分解的方法。针对铝电解槽电压波动信号的频谱特点。采用小波包分析方法提取了电压信号的特征向量。将信号分解到8个频段内。进行预处理得到频段能量特征向量。应用BP神经网络建立了特征向量到振针信息元之间的映射。仿真结果表明，小波包分析能够有效地将隐藏在正常电压信号之中的早期弱故障信号提取出来，从而发现槽子的早期不良症状。     

RBF级联型神经网络在挤出吹塑制品质量控制中的应用

通过对挤出吹塑工艺过程建立了成形工艺参数与制品质量关系的RBF(径向基函数)级联型神经网络,经训练,该网络可预测各成形工艺参数对制品质量的影响,从而可实现对制品质量的有效控制,并实验验证了其正确性和可行性。     

基于人工智能的钛合金热变形工艺参数优化

在深入分析热变形工艺参数对Ti-15-3合金显微组织及成形载荷的影响的基础上,以变形温度、变形程度和变形速率等热变形工艺参数作为设计变量,以显微组织和成形力的最佳综合为目标,建立了该合金热塑性成形工艺参数的多目标优化数学模型。以显微组织参数和成形力的人工神经网络预测模型作为优化算法的知识源,将人工神经网络与修正的遗传算法相结合,对Ti-15-3合金的热塑性成形工艺参数进行优化。结果表明,提出的修正的遗传算法是有效的,采用将其与人工神经网络相结合的方法对钛合金的热塑性成形工艺参数进行优化是可行的。     

均值渐进式漂移下的过程控制方法研究

实践证明，使用传统休哈特控制图控制自相关过程会造成大量虚发报警，使得控制图的灵敏度大大降低。神经网络方法以其独特的模式识别技术，在对自相关过程进行识别的尝试中，显示出了极大的优越性。文章针对自相关过程中渐进式均值漂移的模型，以神经网络方法进行检测，取得了良好效果。     

BP神经网络在液压试验台故障诊断中的应用

分析了BP神经网络的结构及算法，并对液压试验台的故障模式用BP神经网络来进行诊断，从而提出了一种新的解决液压试验台故障诊断的方法。     

铸造现场监测数据的网络化管理

针对大量铸造检测设备的使用使各种检测信息处理流程复杂化的现状，利用最新的电子技术，提出铸造企业现场检测、监测数据的网络化管理方案，可以实现铸造企业现场检测数据的分散采集，自动记录，实时传输，集中管理，统一分析，多部门信息共享，极大地减少了操作和管理人员的工作量，提高了效率和检查效果。     

钢带冲压件表面硬度不均匀原因分析

采用化学成分分析、金相组织检测及热处理等手段，对我公司生产的Q345热轧钢带产品硬度偏低及分布不均匀的原因进行了分析。结果表明：热轧钢带表面脱碳太深、脱碳量大是造成工件硬度偏低且不均匀的主要原因。     

多传感器信息融合在液压系统智能故障诊断中的应用

针对采矿工程机械液压系统故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方尊。该方法采用模糊神经网络融合诊断中心作为故障诊断的执行机构,算法上采用BP算法。通过一实例论证了在液压系统故障诊断中采用多传感器信息融合故障诊断方法比采用单传感器信息故障诊断方法更具有准确性和可靠性。     

电液伺服系统模型跟随自适应控制

提出一种改进的模型跟随自适应控制算法, 该改进算法把系统当前输出误差引入控制信号,同时利用线性神经网络估计系统新的输出误差.利用该改进算法对电液伺服系统进行控制,实践表明该算法是可行的.