某型数控车床床身的模态分析与结构优化

利用ANSYS有限元分析软件,以某型机床床身为研究对象,建立床身的简化有限元模型,以固有频率作为衡量床身动态性能优劣的指标,通过模型在不同参数下的前六阶固有频率及振型进行对比分析,重点研究了不同床身高度时床身固有频率的变化趋势,以及主轴箱支撑台筋板不同布置方式对床身动态特性的影响,并对此提出有效的解决方案.结果表明,优化后的机床床身具有良好的动态性能,进而能够提高机床加工精度的保持性和可靠性.     

基于有限元的数控机床床身筋板的动态性能分析与优化设计

应用Pro/E软件建立机床床身的三维模型,再利用有限元分析软件ANSYS对床身部件进行动力学分析,得出了床身前五阶固有频率,为了提高其动力学特性,并进行优化设计,改变床身筋板的形式、数量和厚度,从中选出优化的设计方案.     

基于Pro/MECHANICA的机床支承件的振动模态分析

通过三维软件Pro/E建立了机床滑座与床身的三维模型,采用Pro/MECHANICA软件建立了有限元计算模型.通过模态分析,计算了滑座与床身1至3阶的固有频率和振型,分析了各阶振动模态的特点,所得结果有利于机床支承系统的动态特性分析和整体设计.     

精密机床床身轻量化结构与性能协调设计研究

针对机床床身结构与性能之间的制约关系尚不明确问题,提出明确的关系曲线以及合理的参数取值域;方法基于统计分析和灵敏度分析,对5种常见床身内部筋型进行研究,分析外壁厚度、筋板厚度、质量对结构动静态性能的影响,获得轻量化结构参数与结构动静态性能趋势曲线并指明关键尺寸变化对结构 性能的影响规律,给出机床床身最优构型和结构轻量化设计建议;通过比较5种不同的机床床身筋型,得出 米字筋构型的机床床身结构性能最优,其最大一阶固有频率为334 Hz,相比最差的V型筋床身结构一阶固有频率217Hz,高出54%。并对其中一种筋型床身结构的前三阶固有频率进行仿真和实验对比验证,两者误差在5%范围内,证明了研究方法的有效性。     

基于有限元-BP神经网络的地下连续墙变形预测

基于目前在基坑支护结构中应用广泛的变形预测方法,有限元法和BP神经网络,结合基坑工程特点,提出将有限元模型与BP神经网络相结合的基坑变形预测方法.以某实际建筑基坑为研究对象,利用有限元软件进行近似建模,使用MATLAB软件实现有限元模型与BP神经网络模型相结合的预测模型,对基坑地下连续墙水平位移值进行预测对比.结果表明,有限元-BP神经网络预测模型预测值与实测值最为吻合,预测精度优于单一的有限元或BP神经网络预测模型.     

数控机床床身筋板布局方式的动态性能分析及优化设计

应用Pro/E软件建立机床床身的三维模型,再利用有限元分析软件ANSYS,分析床身筋板的布局对床身动态性能的影响,选择八种常用的筋板布局,分别进行动态特性的分析,以固有频率和振动模态相对位移量的大小为设计的参考依据,找出床身的优选方案WW型筋板的布局方式,为最终床身结构的优化设计提供了可靠的依据.     

基于模态分析的数控内齿强力珩齿机床身优化设计

数控内齿强力珩齿机是一种高效、高精度的齿轮加工机床,床身是整机的重要基础件,提高床身的动态特性对保障珩齿机的加工精度有重要意义。文章通过有限元软件建立了床身的有限元模型,并通过模态分析得到床身的前4阶模态频率和振型;对床身进行了模态试验,并通过整体多项式拟合法得到床身的前4阶试验模态参数,通过对比模态试验和仿真结果验证了有限元模型的正确性;在仿真分析和模态试验的基础上,提出了2种床身结构优化方案,并再次通过模态分析得到最佳的优化方案;最终,在保证床身质量变化较少的前提下将床身的一阶固有频率从178.33Hz增加到203.14Hz,为床身的结构优化设计提供了一定的理论依据。     

人工神经网络在覆盖件拉深筋设计中的应用

文章引入流入量的概念作为衡量板料进料阻力的依据,提出用拉深筋嵌入程度和材料流经拉深筋时弯曲程度2个因素来评价拉深筋对进料阻力的影响.采用BP神经网络分别建立单筋和双筋与流入量之间关系的神经网络模型,对神经网络建模的关键技术进行讨论分析,建立了性能良好的映射模型.结果表明,所建立的网络模型具有优良的性能,能充分反映流入量与筋参数之间的映射关系,为后续有限元模拟和实际生产提供了有价值的参考.     

数控机床床身热变形临界点确定方法及应用

文章分析了机床床身热变形与光栅测量误差之间的相关性,提出了机床床身光栅安装线上单向热变形临界点概念和利用热变形临界点安装光栅的方法,研究了基于有限元分析的热变形临界点理论确定方法,用于确定床身单向热变形临界点位置,进而建立高精度的光栅测量系统误差补偿模型;为了验证该模型的有效性,搭建了实验装置进行机床热变形临界点的实测实验。实验结果分析表明,利用该确定方法确定的热变形临界点位置与实验确定的位置相差2.5mm,对光栅零位误差预测值影响仅0.1μm,对光栅示值误差预测值影响仅0.2μm。因此该确定方法可以确定实际机床的床身热变形临界点,并为后续不同结构的数控机床床身单向热变形临界点的确定、床身热变形误差附加影响的消除提供了一定的参考。     

基于BP神经网络模型的磨床部件动态灵敏度分析

利用ANSYS的APDL语言建立磨床部件的参数化模型，计算出磨床部件的动态特性，快速采用得到BP神经网络模型的学习样本，建立基于BP神经网络的动态分析模型，将磨床部件结构参数与其动态特性之间的关系反映为神经网络模型的网络输入与网络输出之间的数学关系，从而方便地，快速地对磨床部件进行了动态灵敏度分析，结果表明，在BP神经网络模型上进行磨床结构优化要比在有限元模型上方便，快速，该方法特别适用于对大型复杂结构的优化设计计算。     

基于BP神经网络模型的临汾市县域经济发展水平差异的测定与分析

根据区域经济学的相关理论,选取了8个与临汾市县域经济发展水平关系密切的指标,在BP神经网络工具箱的支撑下,构建临汾市县域经济发展水平的BP神经网络评价模型,并通过对频数分布特征及反映区域差异的总体指标的分析,表明临汾市县域经济发展水平空间分异显著.     

一种基于BP网络和决策融合的高光谱遥感图像分类方法

BP神经网络在用于高光谱遥感图像分类时,其初始权值的选取对分类结果有很大影响.针对这种情况,提出了一种将BP神经网络与决策融合理论相结合的高光谱遥感图像分类方法,该方法将多个结构相同、初始权值不同的BP神经网络的分类结果进行融合,最后把融合结果作为原图像的最终分类结果,以实际的高光谱遥影像为例,说明该方法能够有效地提高遥感影像的分类精度.     

神经网络对混凝土动态特性的预测及试验

为研究混凝土高应变率下的动态特性,基于神经网络对非线性系统的辨识和预测功能,结合Leven-berg-M arquardt算法,利用变截面Hopk inson压杆对聚丙烯纤维混凝土的3种应变率下冲击压缩试验数据,采用BP网络对其峰值应力和对应的应变进行预测,并与试验结果进行了比较。分析表明,预测仿真结果与试验结果是相吻合的,所建立的网络模型可为研究混凝土高应变率下的应力应变关系提供参考。     

基于小波包和Elman神经网络的异步电机转子断条故障诊断方法

提出了一种基于小波包分析(WPA)和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别,并对Elman网络进行改进,在关联层增加了自反馈增益因子,提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量,建立从特征向量到电机转子断条故障之间的映射.试验结果表明:基于小波包分析提取的故障特征明显,由WPA和Elman神经网络构成的诊断系统,能有效地识别出转子断条故障,故障诊断准确率高.     

GA-BP网络与D-S证据相结合的多传感器信息融合

针对反向传播(back propagation,BP)网络与D-S(dempster-shafer)证据理论各自在处理不确定性信息方面的不足,提出了一种遗传算法(genetic algorithms,GA)优化的BP网络与D-S证据相结合的多传感器信息融合方法.一方面利用GA-BP网络获取D-S证据理论所需的基本概率赋...     

Surface Quality Evaluation of Fluff Fabric Based on Particle Swarm Optimization Back Propagation Neural Network

Aiming at the problem that back propagation(BP) neural network predicts the low accuracy rate of fluff fabric after fluffing process,a BP neural network model optimized by particle swarm optimization(PSO) algorithm is proposed.The sliced image is obtained by the principle of light-cutting imaging.The fluffy region of the adaptive image segmentation is extracted by the Freeman chain code principle.The upper edge coordinate information of the fabric is subjected to one-dimensional discrete wavelet decomposition to obtain high frequency information and low frequency information.After comparison and analysis,the BP neural network was trained by high frequency information,and the PSO algorithm was used to optimize the BP neural network.The optimized BP neural network has better weights and thresholds.The experimental results show that the accuracy of the optimized BP neural network after applying high-frequency information training is 97.96%,which is 3.79% higher than that of the unoptimized BP neural network,and has higher detection accuracy.     

BP网络的改进及其应用

阐述了人工神经网络基本原理,研究分析了BP神经网络模型的缺陷并提出了优化策略.建立了求高分子材料本构关系的三层前馈反向传播神经网络模型,并作了多次不同的泛化性测试.实例分析表明,改进的BP网络在收敛速度及稳定性方面都有很好的效果,可应用于求高分子材料本构关系.     

Stein损失下BP神经网络分类方法在人脸识别中的应用

在统计判决理论的框架下,针对一类特定目标人脸识别中存在的问题,提出了基于Stein损失的BP神经网络分类方法,证明了Stein损失下的BP神经网络的收敛性,经过剑桥大学ORL人脸库的图像识别实验,表明这种方法能有效解决传统的BP神经网络特定目标人脸识别中存在的问题.     

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.     

改进粒子群算法在BP神经网络拟合非线性函数方面的应用

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。