排序方式: 共有5条查询结果,搜索用时 78 毫秒
1
1.
为改善商用车车内气味,提升驾驶室气味感官体验,溯源商用车气味不达标的关键内饰,对总成交付的VOC零件,即仪表台、副仪表台、车门内护板、侧围立柱门槛护板几大部分进行了异味的零件定位,并对其从原材料、注塑工艺和仓储物流等方面进行改进方案的探究,以气味性6级评价为指标,考察改善方法的有效性。试验结果表明,经过改善后的驾驶室气味从4以上改善为3,降幅超过25%,该技术方法对商用车内饰气味有显著改进,实现商用车驾驶室低气味的卖点。 相似文献
2.
3.
车削表面粗糙度解析模型与DDQN-SVR预测模型研究 总被引:3,自引:0,他引:3
在车削加工中,零件质量是生产者需要密切关注的问题.表面粗糙度作为评价零件质量的一项重要指标,选择满意的切削参数来提高表面粗糙度可有效提高零件质量.为提高表面粗糙度的预测精度,在现有研究基础之上提出一种分段的表面粗糙度理论解析模型对表面粗糙度进行预测.同时尝试采用双深度Q网络(DDQN)优化支持向量回归(SVR)提高数据驱动模型的预测性能,探寻DDQN优化SVR内部参数的环境设计,并且与其他算法对比了其优化效果与稳定性.基于45钢的车削试验,验证分段的表面粗糙度理论模型和DDQN-SVR预测模型的有效性,为基于表面粗糙度的切削参数选择提供了较好的技术支持. 相似文献
4.
5.
为实现刀具磨损的准确预测,对加工过程的换刀和参数优化提供指导,提出一种基于最大信息系数(MIC)和改进的Bagging集成高斯过程回归(Bagging-GPR)的刀具磨损预测方法,建立切削力信号与刀具磨损间的非线性映射关系。采集加工的切削力信号,运用时域、小波包分解和经验模态分解提取切削力信号特征,并利用MIC分析特征与刀具磨损的相关度来实现特征选择,避免预测模型的“维数灾难”。为提高预测模型的精度,考虑高斯子模型内部核函数的差异性及准确性,利用Bagging对高斯核函数进行随机组合,作为各子模型的核函数,构建改进的Bagging-GPR模型实现刀具磨损值预测,并基于铣削实验数据验证了所提方法的有效性和优异性。 相似文献
1