人工智能技术集成方法以及在塑性加工中的应用研究

结合笔者近几年在人工智能技术应用于塑性加工领域方面的研究工作,首先简要介绍了专家系统、神经网络、模糊逻辑、遗传算法等人工智能技术及其特点,论述了各种人工智能技术之间的集成方法以及在工程领域中应用时集成的必要性,阐述了人工智能技术及其合理集成在金属塑性加工领域的应用现状.     

软计算在塑性成形中的应用研究

介绍了软计算方法的概念、内涵、外延以及应用,探讨了模糊理论、人工神经网络及遗传算法等技术的特点,论述了软计算技术间的融合及集成方法,并针对软计算在塑性成形领域的应用介绍了包括冷挤压工艺设计中人工神经网络的遗传优化问题、模糊神经网络用于冷挤压件能否一次冷挤压成形的判断以及运用人工神经网络进行专家系统的知识自动获取等;综述和分析了软计算应用于塑性成形领域的国内外研究现状;对软计算技术的进一步研究和应用提出了展望。     

一种新的产品/零件特征的二进制编码方法

在研究基于人工神经网络的冷挤压工艺设计系统的过程中，提出了一种新的产品／零件的二进制形式的特征编码方法，这种编码方法较之以前的小数形式的编码具有很多优点。该文将与冷挤压工艺设计有关的产品／零件的几何形状特征、关系特征、精度特征和基本成形工艺特征等进行了二进制形式的特征编码，并赋予其一定的工程语义。综合特征编码和特征参数就可以比较完整地表示一个冷挤压零件。     

基于人工神经网络的冷挤压工艺设计系统的知识自动获取研究

提出了用人工神经网络补充和修改冷挤压工艺设计系统知识库内容的模型框架,根据人工神经网络映射的特征编码提出并实现了一种专家系统自动获取冷挤压零件特征的方法,并详细讨论了算法过程,最后结合典型实例给出了知识自动获取的过程。所提出的知识自动获取方法的优点在于不仅可以通过人工神经网络把冷挤压零件的成形过程整体地存入知识库中,而且由于所选用的人工神经网络映射模式是集中反馈式、分工序循环进行的。因此,通过该方法还可以获取冷挤压成形过程中每步工序半成品件的特征,然后存入冷挤压工艺设计系统的知识库。     

基于人工神经网络的冷挤压精度预测

本文选择了三层BP神经网络来进行冷挤压成形精度的预测,采用正交实验设计的方法来选取人工神经网络的训练和测试样本,并按照一定的原则对人工神经网络进行了训练.结合典型实例,验证了用人工神经网络预测冷挤压成形精度的有效性.     

人工智能技术集成方法以及在塑性加工中的应用研究

结合笔者近几年在人工智能技术应用于塑性加工领域方面的研究工作，首先简要介绍了专家系统、神经网络、模糊逻辑、遗传算法等人工智能技术及其特点，论述了各种人工智能技术之间的集成方法以及在工程领域中应用时集成的必要性，阐述了人工智能技术及其合理集成在金属塑性加工领域的应用现状。     

基于高斯过程回归的机翼/短舱一体化气动优化

为了解决机翼/短舱一体化气动设计的高维非线性优化问题，基于高斯过程回归（GPR）模型提出新型优化设计方法.采用类别形状函数变换（CST）方法对机翼/短舱一体化构型中的翼型进行几何参数化建模；通过控制机翼形状参数、短舱形状参数和短舱安装参数实现机翼/短舱构型变形，该参数化建模过程共计包含50个设计参数.通过GPR模型构建机翼/短舱设计参数与气动性能之间的代理模型，并采用贝叶斯优化（BO）算法实现代理模型的自更新和最优气动外形的获取.结果表明：优化后一体化构型的阻力系数下降了10.95%，通过流场分析发现机翼外形和短舱外形的优化改善了表面流场结构，短舱安装位置的优化减弱了机翼和短舱间的气动干扰.     

基于高斯过程回归的空天飞行器多精度气动建模方法

为了满足空天飞行器在初步设计阶段宽速域、大空域模型的需求，将传统工程估算方法和计算流体动力学（CFD）数值模拟方法分别作为低精度和高精度气动数据来源，基于高斯过程回归模型提出独立于构型的空天飞行器气动性能多精度气动建模方法.在工程估算方法中，以面元法为基础，建立空天飞行器气动力快速估算模型.在CFD数值模拟中通过求解三维可压缩Euler方程实现空天飞行器气动高精度计算.将所提出的多精度气动建模方法应用于FTB外形的双参数气动建模问题中，通过对比分析，发现所提出的多精度气动模型的预测精度、稳定性均优于用同等数量高精度样本构建的单精度代理模型的，预测的相对误差小于1%.将多精度气动模型作为该空天飞行器再入问题气动数据来源，对比分析单、多精度建模方法对再入轨迹仿真的影响，发现所提出的空天飞行器多精度气动建模方法能够更加快速、准确地给出轨迹仿真所需的气动数据.     

基于正交设计的神经网络训练样本的选择方法及其在冷挤压工艺设计中的应用研究

冷挤压件的形状是制定冷挤压工艺方案时需要考虑的最重要的因素之一,基于目的性和方便性原则,该文针对冷挤压件的形状特征进行分类,并在此基础上分别建立基于正交实验设计的人工神经网络训练样本子集,最后将所有子集进行整合,形成初始训练测试样本集。结合典型冷挤压件,分析了采用正交设计方法选取人工神经网络训练样本的过程,研究了基于正交设计的人工神经网络的训练、测试方法,实现了基于人工神经网络的冷挤压工艺设计。     

模糊人工神经网络在真空管太阳能热水器热效率预测中的应用

热效率是设计真空管太阳能热水器时的重要参数。本文综合应用模糊数学和神经网络的知识构建了一个模糊神经网络模型。根据真空管太阳能热水器的真空管支数、真空管长度、集热面积、容水量等物性参数和初始水温、平均环境温度、辐照量和风速等环境参数，预测太阳能热水器的热效率。结果表明，该方法速度快，结果较准确，为真空管太阳能热水器的设计提供了一个新的辅助手段。