神经网络迭代算法在风机振动报警值中的应用

提取旋转机械D350风机转子在一段时间里的水平方向、垂直方向和轴向的振动值,以此为样本值,应用BP神经网络迭代算法进行训练,然后对D350风机的振动报警值进行预测,预测结果表明与实际报警值非常接近。     

基于定向距离理论的五轴加工刀具轨迹规划算法

针对环形刀五轴加工自由曲面的残留误差问题,在传统等残留高度算法的基础上,提出了一种基于定向距离理论的等最大残留高度刀具轨迹规划算法。首先根据微分几何理论计算已知刀触点的初始侧向行距,并在侧向行距方向进行偏置得到相邻刀触点;然后以基于定向距离理论的残高误差计算模型对相邻刀触点间的实际残高值进行计算;最后通过迭代计算规划出等最大残留高度的相邻刀具轨迹。如此循环,从而获得整个曲面的刀具轨迹。实验结果表明,相对于商用软件MasterCAM9.0,该算法在充分保证曲面加工质量的同时最大限度地减小了刀具轨迹的总长度,从而提高了加工效率。     

NURBS曲线参数插补的实时前瞻算法

针对引入自适应插补算法而使机床在进给过程中产生的进给速度突变,进给加速度超出机床最大允许值的问题进行了研究,提出了一种利用回溯和重插补的前瞻方法。当进入曲率敏感区域时,向前追溯已插补点,找到一个符合进给速度校验的点,从该点进行重新插补,将所得的插补速度代替之前自适应存储的速度,达到自行调整进给速度的目的,使得插补加速度在机床的允许范围内变化,保证机床平稳运行。仿真和实验结果验证了所提算法的有效性和实时性。     

BP神经网络在风机振动报警时间中的应用

提取旋转机械D350风机转子在一段时间里的水平方向、垂直方向和轴向的振动值，以此为样本值，应用BP神经网络算法进行训练，然后对D350风机的振动报警时间预测，预测结果表明与实际报警的发生时间非常接近。     

改进波前法初始布点的高质量CVT网格生成

利用改进波前法(AFT)生成网格初始布点和Voronoi质心块(CVT)网格优化技术,在任意平面域获得了几乎是等边三角形的高质量非结构化网格.该算法在边界网格的基础上将离散边界作为初始波前,通过规范边长将网格单元分为合格与不合格单元,在不合格单元侧根据网格尺寸函数的要求构造新的最优点集,并过滤后进行Delaunay插入.利用CVT技术进一步调整网格节点位置,结合局部边交换,获得了网格几何平均质量在0.985以上的几乎是等边三角形的高质量网格.     

基于激光熔覆的35CrMo钢轴类零件修复再制造

针对轴类零件的工作条件,采用激光熔覆的方法,在35CrMo钢表面熔覆3540铁基合金粉末和Ni00镍基合金粉末,借助光学显微镜、扫描电镜和显微硬度计等实验设备,研究了熔覆层的形貌、组织特征及显微硬度;通过拉伸实验设计,研究了熔覆层、熔覆层与基体之间的结合强度。研究分析结果表明,两种合金粉末都与基体形成了良好的冶金结合,无明显裂纹或气孔,熔覆层组织致密,晶粒细小。采用3540合金粉末制备的熔覆层的显微硬度高于Ni00合金粉末试样的熔覆层,而在熔覆区与熔合区交界处两种熔覆材料试样显微硬度差别不大,都明显高于基体的硬度,有利于提高零件的耐磨性。拉伸试验结果显示,3540合金粉末和Ni00合金粉末制备试样的平均抗拉强度分别为637.6 MPa和614.7 MPa,在进行拉伸实验过程中,断口出现在中间熔覆层,说明熔覆层与基体间实现了良好的冶金结合,拉伸过程没有出现明显的屈服现象。     

BP神经网络用于风机振动报警时间预测

提取D350风机转子在一段时间内的水平、垂直和轴向振动值,以此为样本值,应用BP神经网络算法训练,然后预测D350风机的振动报警时间。预测结果表明与实际报警的发生时间非常接近。     

一种基于神经网络的离心式鼓风机故障发生时间预测方法

在充分考虑了D350离心鼓风机故障来源的基础上,确定了风机后轴承轴瓦轴向、水平、垂直3个方向的振动速度作为故障预测的依据.并根据D350离心鼓风机故障发生时间预测的特点,设计了一个BP神经网络预测模型,然后再利用实验测得的一段连续时间的振动速度值来对BP神经网络进行训练,并验证了经过训练的网络预测结果的可靠性.最后将一组估计的振动速度值输入BP神经网络,对未来10天进行预测,预测结果表明与实际故障的发生时间非常接近.     

BP神经网络在风机振动报警时间中的应用

提取旋转机械D350风机转子在一段时间里的水平方向、垂直方向和轴向的振动值，以此为样本值，应用BP神经网络算法进行训练．然后预测D350风机的振动报警时间，预测结果表明与实际报警的发生时间非常接近。