基于概率方法的机器人铣削加工颤振稳定性研究

将可靠性概率方法引入到机器人铣削模态耦合颤振预测中,首先建立可靠性模型,得到极限状态方程.其次,应用四阶矩法计算其可靠度和灵敏度以分析各参数对于铣削加工稳定性的影响.最后,基于机器人铣削加工骨头的工程背景给出了一个算例研究.结果表明:机器人两自由度方向的刚度、切削力系数和加工进给方向会影响铣削加工的稳定性;在一定范围内,增加X方向刚度,降低Y方向的刚度,减小切削力系数以及合理选择加工进给方向有利于避免模态耦合颤振的发生;系统对于切削力系数的变化相较于X,Y方向刚度更加敏感,对稳定性的影响更显著.     

基于Z-map的弱刚性系统高速周铣表面加工精度

基于工件Z-map模型和考虑再生作用的铣削动力学模型,通过数值方法求解周铣动力学微分方程,在Matlab平台上实现了周铣加工三维表面形貌预测.参考零阶解析(ZOA)方法获得的颤振稳定性叶瓣图,研究了主轴转速与表面形貌的关系.研究结果显示:选择系统固有频率对应的主轴转速,虽然不易发生颤振,但表面加工误差较大；选择最大稳定性叶瓣的左侧对应的主轴转速,不仅稳定性好,而且表面加工误差也较小.这些研究结果得到了铣削试验的验证,可作为工程应用时选择优化切削参数的理论依据.     

薄壁构件铣削加工可靠性灵敏度分析

利用单频率法建立薄壁构件铣削稳定性及表面位置误差模型,采用Kriging方法对薄壁构件铣削稳定性及表面位置误差进行了可靠性灵敏度分析,评价铣削参数对薄壁构件铣削稳定性及表面位置误差的影响程度.研究结果表明:随薄壁构件铣削系统的阻尼比及y向刚度的增加,系统的可靠度增加;随切向力系数、固有频率、径向侵入比及轴向切深的增加,系统可靠度降低;径向力系数和每齿进给量对系统的影响较小.研究结果能为薄壁构件高速铣削加工提供合理的理论依据.     

薄壁零件铣削三维颤振稳定性建模与分析

以低刚度薄壁零件为研究对象,基于加工原理建立精确的铣削过程薄壁零件三维动力学模型,并在此基础上采用全离散解析法对颤振稳定域叶瓣图进行仿真分析及实验验证.结果表明:薄壁零件铣削加工系统的动态特性决定其动力学模型,铣削加工过程主轴转速与颤振临界轴向切削深度之间存在非线性关系,主轴转速对颤振稳定性影响较明显.当系统模态质量、阻尼比及固有频率增大时,颤振稳定性相应加强,同时叶瓣图形状分布随之改变.该理论模型对薄壁零件铣削加工过程切削参数的合理选择,表面加工质量和加工效率的提高具有一定指导意义.     

数控凸轮轴磨床颤振稳定性研究

在凸轮轴磨床的磨削过程中,颤振现象严重影响凸轮轴表面的磨削质量.为了抑制凸轮轴磨削颤振的产生,基于再生颤振理论和随动磨削的特点,建立了凸轮轴和砂轮再生激励效应的动力学模型,绘制了稳定性极限图,同时研究了凸轮轴磨床的颤振稳定性.通过凸轮轴磨床的颤振实验,利用频域和时频域方法分析了凸轮轴磨床的振动特性.颤振实验结果和稳定性极限图预测结果一致,验证了凸轮轴磨床再生颤振动力学模型的正确性和预测颤振产生与优选加工参数的可行性.     

基于有限元可靠度的大跨度悬索桥颤振稳定性评估

针对已有的大跨度悬索桥颤振及静风稳定性可靠度分析方法中,均存在难以满足工程应用要求的问题,本文将可靠度理论和有限单元法相结合,建立大跨度悬索桥颤振及静风稳定性可靠度分析方法。以西堠门大桥为研究对象,采用基于FORM的有限元可靠度方法计算西堠门大桥的颤振及静风稳定性可靠度指标,分析随机变量均值、随机变量变异系数以及差分步长对西堠门大桥颤振及静风稳定性可靠度指标的影响。研究结果表明,在大跨度悬索桥颤振稳定性可靠度评价中,有必要计入参数随机性的影响,可采用本文提出的方法进行大跨度悬索桥颤振稳定性可靠度评估,参数的随机性对西堠门大桥颤振稳定性可靠度指标有重要影响,忽略参数的随机性有可能导致结构的颤振稳定性偏于不安全。     

薄壁零件高速铣削稳定性的分析

针对薄壁零件在铣削加工过程中存在的切削颤振问题,建立了铣削颤振理论模型,进行模态分析试验和铣削加工试验．获取系统动态性能参数和铣削力系数．在此基础上建立了薄壁结构零件铣削加工的稳定性耳瓣图,为今后的薄壁零件加工稳定性研究工作打下了基础．     

车削颤振时变可靠性预测

针对车削加工过程中刀具磨损使得切削力系数等加工参数不断变化,进而导致传统的颤振预测方法随着加工时间的增加预测精度大大降低的问题,将时变可靠性理论引入颤振预测中,用线性方程表示了合力切削力系数的均值随切削时间的变化关系,建立了时变稳定性和时变可靠性模型.获得给定加工条件下系统的时变极限切宽和时变颤振可靠度曲线.最后对提出的计算方法做了相应的实验证明.实验表明.提出的颤振时变可靠性预测方法能够更为准确地预测不同加工时间下的颤振.     

车削颤振时变可靠性分析

考虑车削加工过程中刀具磨损对切削力系数的影响,用Gamma过程描述了切削力系数随时间的变化过程,并建立了车削颤振时变可靠性模型.提出了主动学习的Kriging模型与基于首次超越的子集模拟相结合的时变可靠性分析方法(AK-SSFP).对某一车床建立车削颤振稳定性模型,分别采用Monte Carlo方法(MCS)、基于主动学习Kriging的Monte Carlo方法(AK-MCS)和AK-SSFP方法计算车削颤振时变可靠度.AK-SSFP方法的结果与MCS方法的结果一致性很好,且AK-SSFP方法减少了真实极限函数的调用次数并缩短了运算时间.AK-SSFP在保证精度的同时提高了计算效率,解决了车削加工系统颤振时变可靠度的计算问题.     

基于遗传神经网络的插铣铣削力建模与分析

本文首先对插铣铣削力进行了理论分析,并基于正交试验方法对铣削力进行了测量试验,然后利用遗传算法对BP神经网络的权值和阈值进行优化,建立了预测铣削力的遗传神经网络模型,最后将经过遗传算法优化的BP网络与未优化的进行对比分析.结果表明,经遗传算法优化后BP网络模型预测误差明显减小,网络的计算精度和收敛速度有了显著提高.     

边坡稳定可靠度分析的新型四阶矩法

提出了一种边坡稳定可靠度分析的新型四阶矩计算方法.该方法将均匀设计法、径向基神经网络技术和最大熵原理相结合对边坡进行可靠性分析.采用均匀设计法确定粘聚力和内摩擦角的网络训练样本空间,并采用基于有限元的强度折减法计算样本空间中样本所对应的边坡安全系数.利用这些样本及对应的安全系数训练径向基神经网络.利用训练好的神经网络获得满足统计数量要求的边坡安全系数,并计算边坡安全系数前四阶矩.利用最大熵原理得到边坡安全系数的概率密度函数近似表达式、边坡失效概率以及相应的可靠指标.该方法的计算结果与蒙特卡罗法的计算结果对比表明该方法具有较高的精度.     

采用MEA-AdaBoost-BP模型的工程结构可靠性分析方法

针对工程结构可靠性设计中算法和计算存在的问题,提出基于MEA-AdaBoost-BP神经网络算法模型的可靠性求解方法. 运用思维进化算法(MEA)求解训练集权值和阈值优化的BP神经网络,并构造为弱预测器函数.然后,运用AdaBoost算法将多个优化后的BP神经网络弱预测器函数迭代训练,形成MEA-AdaBoost-BP神经网络算法模型强预测器函数. 最后,利用逼近隐性功能函数求解可靠性指标,并将其与AdaBoost-BP算法和Monte-Carlo算法进行比较.研究结果表明:所提算法在计算中与Monte-Carlo算法相比,其迭代次数分别仅为16次和46次,效率高,计算精度与Monte-Carlo法接近;而和AdaBoost-BP法相比,其可靠性指标误差分别仅为1.59%和1.88%,计算结果更精确.     

基于模糊神经网络控制的汽车辅助再生制动系统研究

将驾驶安全性和制动能量回收相结合,提出了基于模糊神经网络控制的汽车辅助再生制动系统.通过试验数据建立基于驾驶员经验的模糊神经网络,实现根据驾驶车辆与前车的相对距离和相对速度动态调整制动强度;通过计算得到不同的车速和制动强度下,前轮再生制动力,前、后轮摩擦制动力查询表;将模糊神经网络和制动力查询表嵌入配备比例阀的制动系统从而完成辅助再生制动系统的设计.在Simulink下搭建此辅助再生制动系统模型进行仿真实验,结果表明,此再生制动系统可以有效辅助驾驶安全,避免追尾事故发生,并可充分回收制动能量.     

Levenberg-Marquardt神经网络在煤矿作业人员人因可靠性评价中应用研究

依据人因可靠性原理、事故致因理论,结合煤矿生产系统的特点,提出了观测可靠度的概念,确立了一系列便于统计和赋值的人因可靠性评价指标.针对人因失误事件过程的动态性、复杂性以及数据的不完整性,利用BP神经网络对非线性动态系统的自学习性和自适应性的特点,建立了基于BP神经网络的煤矿作业人员人因可靠性评价模型.运用Levenberg-Marquardt算法改进的BP神经网络,克服了收敛速度慢,容易陷入局部极小点的缺点,提高了预测精度和稳定性.对于岗位工龄短或有效记录不足的煤矿作业人员,采用BP神经网络模型进行了人因可靠性评价.评价结果表明,基于BP神经网络的煤矿作业人员人因可靠性评价方法具有较好的适用性和可行性.     

基于可靠度敏感性的神经网络法研究边坡稳定性

针对边坡工程结构功能函数不能显式表达的可靠性分析问题和非线性问题计算量大的弊端．研究结构可靠度敏感性,提出参数的相对敏感性分析方法,并基于该方法提出了神经网络法分析边坡稳定性。具体思路：由可靠指标对随机变量分布参数的相对敏感性分析,确定边坡可靠度主要影响参数;用神经网络模型近似替代响应量与基本变量间的隐式极限状态函数,根据蒙特卡罗模拟法,对网络模型进行可靠度分析,求解结构可靠度指标。基于可靠度敏感性的神经网络法．对均值和成层边坡进行稳定性分析,与传统可靠度计算方法相比．结果表明：该方法分析边坡稳定性是准确的且具有较高的计算效率。     

基于小波神经网络的一类非线性系统的故障检测

针对一类非线性系统,提出一种小波神经网络(wavelet neural network,WNN)自适应故障检测方法。WNN具有较强的泛化能力及不同的激活函数。通过设计自适应状态观测器技术,利用小波神经网络观测器良好的观测性能来观测系统的当前状态,并将其应用于一类非线性系统中,实现故障检测与诊断。利用Lyapunov直接方法从理论上证明了小波神经网络故障检测观测器的稳定性,仿真结果亦表明了该非线性系统故障检测观测器的可靠性和稳定性。     

模糊Kohonen神经网络回热系统故障诊断

分析了汽轮机组回热系统12种典型故障及9种征兆参数的模糊处理,结合Kohonen神经网络的工作原理、诊断特征,提出了模糊Kohonen神经网络汽轮机组回热系统故障诊断模型.结果表明:该模型可以有效地进行回热系统故障样本模式的模糊量化处理,具有自学习功能、聚类能力强、运算速度快的优点,可以有效地对具有模糊性的单一故障和复合故障进行诊断,是一种适合于汽轮机组回热系统故障诊断的有效可行的方法.     

神经网络与响应面法相结合分析既有混凝土桥梁的可靠性

响应面有限元的可靠度计算是采用有限元数值模拟来解决功能函数不能明确表示的结构可靠度计算问题的一类方法,对于大型复杂结构的可靠度分析有重要的意义.提出了基于BP神经网络与响应面法相结合的结构可靠度计算的几何分析方法,通过得出的可靠指标对一座既有桥梁进行了可靠性分析.数值试验表明,该方法建立的神经网络模型可以很好地拟合真实的极限状态函数,在既有桥梁可靠性分析中具有广阔的应用前景.