基于进化神经网络的曲面磨削表面粗糙度预测

将人工神经网络技术引入曲面磨削加工领域,介绍了利用BP算法建立的曲面磨削表面粗糙度随磨削用量变化的进化神经网络预测模型．针对BP算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练BP神经网络,取代了一些传统的学习算法,设计了基于进化神经网络的学习算法．实验和仿真结果表明,基于进化计算的BP神经网络不仅可以克服单纯使用BP网络易陷入局部极小等问题,而且预测精度较高。     

基于BP神经网络的轴承套圈磨削误差的预报

提出一种基于BP(反向传播)神经网络磨削误差的预报方法,针对轴承套圈磨削误差序列的非线性特点,使用BP神经网络对其进行建模预测,为磨削自动线的监控调整提供准确的预报值,从而可有效地修正磨削过程中温度、变形及其他复杂因素对工件加工精度的影响,提高加工精度,降低轴承套圈磨削的尺寸分散度。     

凸轮轴磨削数据库系统的设计与开发

针对凸轮轴磨削加工的现状,提出开发磨削数据库系统的设想.以凸轮轴磨削加工中的工件、磨床、砂轮、磨削液和磨削参数等数据信息作为研究对象,分析数据库系统功能需求、系统角色和系统数据关系等,详细设计系统功能模块、基础数据库、用户权限和系统架构,开发凸轮轴磨削数据库系统,实现凸轮轴的磨削数据的系统化、规范化,向用户提供机床、砂轮、磨削液、材质、实例等信息的收集、查询与检索服务,解决凸轮轴磨削工艺选型与方案决策的技术难题.     

凸轮轴磨削加工过程的动态优化和仿真

为了提高凸轮轴的加工效率及加工精度,开发凸轮轴磨削加工过程动态优化仿真模块．根据凸轮轴恒线速加工的数学模型,提出一种基于最小二乘法的速度优化算法,对加工过程运动曲线进行优化仿真,得到了波动较小的速度曲线并减小了联动轴加速度的跳动．在此基础上根据工艺系统各组件的运动轨迹完成凸轮轴加工过程的实时三维动态仿真,全面、逼真地反映现实的加工状态和加工环境,使操作者可以直观地观测加工过程中是否存在碰撞和干涉现象,对各种型号凸轮轴的生产具有指导意义．     

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.     

基于模糊神经网络进行磨削加工尺寸精度智能控制的研究

采用模糊神经网络方法进行磨削加工尺寸精度的控制，给出了模糊推理BP网络模型。通过仿真证明了模糊神经网络控制的可行性，控制精度优于传统方法。     

高速精密磨削汽车凸轮轴的加工技术

凸轮轴是发动机的关键零部件之一,其轮廓精度直接影响到发动机的性能和寿命。采用高速精密磨削方法和工艺加工凸轮轴可以满足高速、高效、高精度的加工要求。稳定凸轮轴的加工质量,可望取得良好的经济效益。     

基于GA-NN的钛合金工件磨削表面烧伤裂纹图像的自动识别

为了解决钛合金等难加工材料工件磨削表面烧伤的在线监测与预报问题,提出了一种神经网络与图像处理技术相结合的钛合金工件磨削表面烧伤裂纹的自动识别算法。该方法中磨削表面图像由彩色CCD获得,首先转化为灰度图像,然后转化为二值点阵图像,再经过点阵数据编码压缩处理表征为模式特征,然后利用BP神经网络和遗传算法相结合的方法训练前向多层神经网络,最后利用训练后的神经网络对磨削表面的烧伤裂纹进行识别。实验及仿真结果表明：该模型的神经网络稳定,学习收敛速度快,具有很强的记忆能力和推广能力,对解决钛合金的磨削烧伤裂纹的实时自动识别问题具有良好的适应性,总有效率达到88％左右。     

基于BP神经网络的汽车外观设计评价方法

为了对汽车外观设计进行相对客观的评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价汽车外观设计的方法。根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了汽车外观设计BP神经网络评价模型,选择20款汽车外观作为学习样本、8款汽车外观作为检验样本,利用MATLAB软件进行了BP网络的实例训练和验证。实验结果表明,BP神经网络模型可以较准确地对汽车外观设计进行评价。     

数控凸轮轴磨床综合误差分析与建模

为提高某数控凸轮轴磨床的磨削精度,保证凸轮轴轮廓误差达到需求标准,针对磨床的运动误差和热误差进行分析和研究;分析了凸轮轴磨床主要运动部件相互之间运动关系,提出了利用耦合关系,耦合磨床运动误差与热误差方法,方法对磨床具有通用性,且可直接观察到误差项的来源,对误差补偿极为有效;首先,运用多体理论及坐标变化方法,将磨床抽象为多体系统;其次,将磨床磨削运动主要部件划分成两条运动链,即“工件-床身”链和“砂轮-床身”链;将运动链与磨削点组成一个闭环系统,此闭环系统即为简化的磨削运动过程;最后,建立各运动体坐标系,求出运动体变换矩阵,耦合热误差与几何误差,建立精密加工约束方程,推导凸轮轴磨床综合误差模型,为加工补偿提供理论基础。该方法已在实际生产中得到验证,结果表明：补偿后的磨床,磨削精度增加,实际凸轮轴轮廓经检测误差降低显著。     

基于曲率分段的发动机凸轮磨削步长优化算法

提出一种改进凸轮磨削加工效率和精度的新算法.该算法根据加工精度要求，利用砂轮相对凸轮转角的运动轨迹的曲率计算各加工转角下的最大允许转角步长，并对凸轮加工转角进行分段，优化加工转角步长和转速.与恒转速法相比，有效减少加工中的冗余步长，提高加工转速，改善加工效率，并避免恒转速法在凸轮上升段及下降段与缓冲段相接处的精度不足及砂轮架加速度过大所致的响应滞后问题，保证凸轮加工精度和加工效率.     

神经网络车辆轮胎模型的分析与研究

轮胎力学特性的分析是研究车辆振动分析的基础,但使用经典的数学方法来解决非线性问题是很难实现的,因此我们论述把神经网络理论应用到汽车动力特性控制上,主要使用BP神经网络对汽车轮胎的力学特性进行建模分析．     

基于神经网络的磨削温度在线监测预报系统

对磨削弧区温度进行在线监测,是磨削加工自动化中必不可少的重要环节,该文介绍了一个基于人工神经网络的磨削弧区温度在线监测、预报系统。具体给出了监测系统的组成及测温方案,并提出了一种更适宜进行动态预报的改进型ＢＰ网络作为磨削温度的预报模型。工艺实验证明该系统能够较好地实现磨削温度的在线监测与预报。     

基于人工神经网络遥感图像分类的应用研究

阐述了遥感图像分类处理中应用BP神经网络的方法,在ENVI平台下,对基于BP神经网络的分类方法进行了研究。结果表明：基于BP网络神经的遥感图像分类效果是相当突出的,是一种非常有效地处理遥感图像的方法。     

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BP网络的样本添加法

提出了一种改善ＢＰ网络学习能力的样尊添加法，它是根据人类学习知识时存在遗忘现象而设计的。首先阐明其工作原理与学习算法；接着将它用于ＢＰ网络之中，以处理三倍冗 表决问题。     

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BP神经网络的图像识别研究

提出一种采用BP神经网络实现钢材编号文字识别的方法？先采用彩色图像HSI空间中S分量的特性，定位钢材区域，然后利用一系列图像处理技术，对图像中钢材编号区域定位、分割字符，最后采用BP神经网络进行字符识别。实践证明，采用BP神经网络，可有效地识别铜材编号，速度快、识别率高，具有较高的实用价值。