基于多传感器融合的磨削砂轮钝化的智能监测

利用多传感器信息融合技术 ,通过模糊分类的方法对不同的磨削条件进行模糊化处理 ,构建了砂轮钝化监测多传感器融合系统结构 ;应用BP神经网络将磨削过程中声发射、磨削力和功率传感器信号合理融合 ,提出了自适应变学习率策略 ,将其神经网络输出的信号特征值作为表征砂轮钝化状态识别的判据 ,进行了砂轮钝化监测实验·结果表明 ,使用多传感器信息融合方法比使用单一传感器方法识别率高 ,监测效果好 ,并可实现智能监控和及时修整砂轮     

基于VB的BP算法描述

BP网络具有结构简单、技术成熟的优点,在很多领域都有广泛的应用。介绍了BP算法的数学表达,并用VB对BP算法进行了具体描述,包括BP算法的初始化、隐含层与输出层之间权系数的更新、主程序等。     

基于声发射技术的砂轮磨损状况在线检测

为了实现砂轮磨损状态在线检测,提高砂轮磨损状态检测的准确性,研究了法向磨削力与砂轮磨损的对应关系;利用小波分解系数统计法对声发射(AE)信号进行了分析;把法向磨削力和统计小波分解系数的特征作为识别砂轮磨损状态的参数指标,建立了基于神经网络(BP)的砂轮磨损状态识别模型。实验结果表明,该方法可以辨识出砂轮的磨损状态,并且具有较高精度。     

基于高效磨削的新型柔性砂轮研究

提出一种基于高效磨削的新型免修整型柔性砂轮。采用气囊式内胎和连接式弹簧环结构减少磨削中振动影响,便于控制砂轮表面砂带的张紧力。实验表明该砂轮具有高的磨削效率和精度。     

硬磨机砂轮磨削系统优化设计

首先对固定盘开对称沟槽方案进行理论验证,并在此基础上提出不对称沟槽方案,通过数学公式验证了此方案可以使钢球的枢转速度明显的提高,从而达到提高硬磨钢球精度的目的。     

开槽砂轮磨削温度的数学模型

在分析开槽砂轮磨削温升特点的基础上建立了新的开槽砂轮磨削温度数学模型。在解析磨削温度时,考虑了冷却液的影响。借助于电子计算机,从理论上分析了沟槽因子η和散热系数H对磨削温度的影响规律。通过试验测定了在周边开有螺旋形沟槽的砂轮磨削温度。试验结果证实了所建模型的合理性。本文所建立的热模型,也有助于分析诸如刀具的间断切削、间断铣削等其它机械加工产生的热问题。     

论金刚石砂轮对新陶瓷材料精密磨削质量的影响

本文通过对金刚石砂轮特性的分析．提出了:①新陶瓷材料精密磨削时,如何选择砂轮;②为保证磨削质量如何调整砂轮。     

电镀CBN砂轮磨削内孔的一些研究

本文研究了电镀CBN砂轮磨削GCr15钢的磨削力、金属切除率、砂轮磨损及表面粗糙度的变化规律。探讨了这些规律产生的机理,得出:CBN砂轮磨削时,磨削力随工件速度增加而略有降低,随切入速度增加而增加,金属切除率和表面粗糙度随切入速度增加而增加。并对实际应用提出了相应的意见和解决的对策。     

基于VB6.0条形码自动识别系统开发研究

基于VB条形码自动识别系统的开发,目的是减少工厂中一些重复和繁重的工作,主要从系统总体设计、程序流程图及数据库的创建方面进行了阐述,为同类系统的开发提供了参考。     

砂轮和冷却液对不锈钢磨削温度的影响

本文对磨削区温度的测量原理及方法进行了简明扼要的介绍.通过采用半人工热电偶测温方法,对4Cr13不锈钢材料磨削加工时砂轮和冷却液对磨削区温度的影响进行了试验研究,证明合理地选用砂轮和冷却液能明显地降低磨削区温度,从而提高磨削加工表面质量。     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。     

基于神经网络的磨削砂轮状态的在线监测

利用声发射(AE)传感器和功率传感器为信号源,固定时间间隔内的声发射信号幅值增量累加及砂轮碰撞破碎时电机功率信号的陡变为砂轮状态识别的特征值,应用BP神经网络建立信号特征值与砂轮状态之间的非线性关系模型,可以为小批量、多品种产品磨削加工中砂轮状态的智能化在线监测提供准确有效的途径·测试结果证明了该系统的可行性,为磨削加工实现智能控制奠定了基础,并能为砂轮修整确定最佳的周期     

基于BP神经网络的高速磨削磨削力预测研究

应用BP神经网络算法建立高速磨削单位面积法向磨削力的预测模型.对比实验结果和预测值,表明该模型有一定的预测精度,通过增加学习样本或采用改进型的神经网络模型,能够进一步提高预测精度,对于高速超高速磨削研究有一定的帮助.     

用于故障模式识别的自适应模糊训练BP网络

针对ＢＰ算法固有的收敛速度慢和局部极小等问题,在对已有ＢＰ改进算法进行研究的基础上,提出了用于在线故障模式识别的自适应模糊加速训练算法,可在网络学习过程中,通过模糊推理,对网络拓扑结构、学习因子、惯性因子及激励函数进行自适应调整,实例验证表明该算法具有收敛速度快、不易陷入局部极小、网络综合性能好等特点。     

神经网络方法在城市需水量预测中的应用

本文详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法,并将这两种方法和灰色预测模型应用到石河子市需水预测的实证研究中.通过对这三种方法进行比较研究,发现在相关因素数据比较齐全时,两种神经网络的模拟结果精度较高,模糊神经网络方法的模拟精度最高.     

基于模糊神经网络自适应控制研究

为了改善模糊神经网络控制系统的收敛速度,提出一种模糊神经网络自适应控制方案,在传统控制结构的基础上增加系统输出反馈网络,一方面使得控制量包含更多的系统动态信息,另一方面,也不至于增加模糊神经网络控制器的复杂度。仿真结果显示此种结构能够加快控制系统的收敛速度。     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。     

用于机器手控制的动态模糊神经网络

为解决模糊控制中存在的区域界定问题,将神经网络与模糊控制相结合,提出了一种新的模糊逻辑与神经网络相结合的动态模糊神经网络机器人控制方案(DFNN),并利用采样数据在线动态构造模糊神经系统.仿真结果表明,DFNN系统地很好地克服机器人系统中存在的非线性、不确定性、强耦合等因素的影响,控制效果好,为工业机器人控制提供了一种新的解决方案.