自由曲面数控加工刀具路径的自适应算法

基于ＮＵＲＢＳ曲面造型理论，以加工质量和效率为目标，提出了确定参数方向经济步长的方法，并构造了生成自由曲面数控加工等参数平行扫描路径的自适应算法。     

利用NURBS函数训练神经网络构造自由曲面

提出了利用ＮＵＲＢＳ理论和神经网络相结合构造自由曲面的计算机方法。ＮＵＲＢＳ是与描述自由曲面的Ｂ样条方法相统一的又能精确表示二次曲面的数学方法，经过训练的神经网络能够识别和预测各种模拟量。利用这两种方法的结合，对处理自由曲面的构造提出了新思路，即用ＮＵＲＢＳ计算方法训练由ＢＰ模型构造的神经网络，用计算机表示自由曲面。     

自由曲面三坐标加工走刀步长的确定

对三坐标曲面加工中由于离散直线逼近导致的加工误差问题进行了研究。从分析刀具的三维线性包络运动出发，得出了适用于多种类型刀具的加工误差估计的通用表达式，该误差在曲面法线方向定义，是较精确的轮廓加工误差。     

自由曲面荒加工等高线算法的研究

提出一种基于极值点的曲面等高线的跟踪算法 可以简单高效地求出荒加工的边界 ,大大提高计算效率     

自由曲面的加工与CAM参数

用ＣＡＤ／ＣＡＭ系统在３轴立式数控铣床上加工自由曲面,需要确定ＣＡＭ参数,本文根据ＣＡＭ参数与零件几何要求之间的联系,确定了一种选则ＣＡＭ参数的方法。     

自由曲面加工精度评价方法的研究

自由曲面加工精度评价方法的研究＊高国军陈康宁方勇（西安交通大学，７１００４９，西安）自由曲面的加工精度是以其面轮廓度来衡量的，是一种较难定义和加工的几何元素．它不象一般规则几何元素那样，能用少量的参数给出精确定义，所以自由曲面加工精度的检验也变得较为...     

基于CATIA的自由曲面的设计及数控加工研究

随着时代的进步和社会经济的发展,特别是现代科技的进步,在各行各业中已经广泛应用自由曲面。在应用过程中,非常重要的一个问题就是如何对自由曲面进行精确高效的设计。如今出现了CAD系统和数控机床,解决了设计和制造问题。该文简要分析了基于CATIA的自由曲面的设计及数控加工,希望可以提供一些有价值的参考意见。     

基于点云数据的自由曲面加工误差评定

针对自由曲面加工误差检测困难的问题,提出了一种自由曲面加工误差评定方法。该方法以高精度蓝光扫描仪获取到的点云作为实测数据,以自由曲面的立体印刷模型作为理论模型。首先设置动态偏差阈值去除点云的远距离噪声,利用基于曲面变化度的局部离群系数方法去除点云的近距离噪声;然后采用最近点迭代算法分离点云位置误差的旋转量,以自适应粒子群算法依据最小区域原则分离位置误差的平移量;最后对点云进行基准变换后,计算点云与模型之间的偏差。实验结果表明,相对于最近点迭代算法,所提方法计算的位置误差向量均方根误差减小了66%,轮廓度减小了18%。提出方法的位置误差分离精度更高,轮廓度误差评定更准确,适用于扫描点云对自由曲面的加工误差评价,可以有效判断出超差区域。     

自由曲面多轴加工的刀触点轨迹规划

分析了自由曲面加工误差的产生原因,重点阐述了刀触点轨迹的步长和行距对曲面加工精度的影响,在此基础上提出了一种基于线性逼近误差和残留高度约束的刀触点轨迹规划方法,该方法可以保证曲面加工的精度要求。最后以一张自由曲面为例,考察其刀触点轨迹的分布和连续性情况,仿真结果验证了该方法的可行性和有效性。     

提高自由曲面数控加工精度的技术研究

论述了制造业中自由曲面的数控加工精度提高技术。分析了影响自由曲面精度加工精度的多种因素，研究并提出了从工艺系统、控制系统和数控程序设计等方面提高曲面加工精度的技术和所采取的方法。     

自由曲面超精密车削加工路径优化设计

加工路径优化设计是提高自由曲面超精密车削表面质量和形状精度的关键技术．采用NURBS插补模型进行自由曲面的描述,提出柱面坐标加工模型进行自由曲面超精密车削加工分析,借助矢量数学对刀位点进行刀具参数的优化补偿,并采用螺旋投影驱动方式实现加工路径的规划．对各种类型自由曲面进行加工实验,表面粗糙度达到5．16nm,路径优化设计后加工形状精度提高近10倍实验结果表明,提出的路径优化设计方法可以高效可靠地加工光学质量表面的自由曲面。     

智能优化算法在复杂模型寻优中的研究

针对建立的钢板轧制过程中的中厚板凸度预报多参数复杂模型,分别采用BP算法、BP改进算法、混沌算法和粒子群算法进行寻优并对结果进行比较。实验结果表明,该模型切实可行,在模型优化中,混沌算法和BP算法寻优速度慢,精度不高,粒子群算法寻优速度和精度均有相应提高,BP改进算法寻优速度和精度均为最优。     

改进BP算法在城市土壤环境质量评价模型的应用

首先采用随机函数生成训练样本,并利用"比例压缩法"进行预处理;而后采用"试错法"确定隐含层神经元数,最终建立了结构为7∶8∶1的BPANN的土壤环境质量评价模型,并采用Matlab6.0进行模拟计算。模型检验结果表明:所建模型的拟合精度、检验精度以及实际评价效果均较好,能够比较客观、准确地对城市土壤环境质量进行评价。对长春市城市表层土壤的评价结果表明,其总体环境质量较好,约81%的土壤面积符合国家一级土壤标准,但局部重金属污染不容忽视,应注意控制重金属污染物排放,以保证土壤资源的可持续利用。     

BP算法应用于智能传感器的数据处理

利用BP算法具有的非线性映射能力对传感器标定数据进行输入－输出特性的反非线性逼近，将其作为智能传感器系统的非线性校正软件，使传感器在该软件的支持下提高测量精度。用传感器实验数据通过训练的网络，测量相对误差由原来的6．66％下降至0．98％。     

发动机缸体加工方案选择与操作排序协同优化

提出一种基于蚁群算法的发动机缸体加工方案选择与操作排序协同优化方法.考虑到部分零件特征有多个可行加工方案,在每次总迭代中为此类特征随机选择一种加工方案,并根据特征约束矩阵和操作优先级系数自动生成对应的操作约束矩阵.通过子迭代中的遗传算法进行操作排序优化,以装夹、刀具和机床3类制造资源的综合变换次数最少为目标得出子最优解,并在总迭代中利用精英保留策略获得全局最优工艺路线.最后,通过复杂的发动机缸体实例验证了该方法的有效性.     

基于BP-PSO的致密气压裂施工参数优化

压裂施工参数优化是水力压裂过程中的重要一个环节。为了精准设计压裂施工参数,达到节约开发成本和增产的目的。首先初选出影响水力压裂效果的参数,再用灰色关联分析法对参数进行排序,然后讨论参数个数对BP神经网络模型效果的影响,最终确定参数个数为10个。利用粒子群算法构建日产气量最优化模型,进而反演出最优压裂施工参数。应用于X区块的97口致密气井,BP神经网络模型准确率为86.52%。对7口井进行压裂施工参数优化后,每口井所有层的总平均增产率为5.57%。该方法具有投入成本低和操作简单等优点,为现场压裂设计提供借鉴和参考,具有一定的实际意义。     

基于改进粒子群算法的BP神经网络在边坡稳定性评价中的应用

边坡稳定性分析与评价是边坡工程的核心内容,具有高度非线性和不确定性特征。首先,选取了多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、粘聚力、坡角、坡高、孔隙比六个主要影响因素作为土坡稳定性的评价判别指标;然后,采用改进的粒子群算法优化BP神经网络模型,将网络权值和阈值粒子化,通过引入粒子群进化度和粒子群聚合度实现惯性权重的动态变化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而增强算法对非线性问题的处理能力,加快了收敛速度;最后,通过与其它边坡稳定性评价算法进行比较分析,表明了本文研究算法的可行性与合理性。     

基于智能算法优化BP的航空器滑出时间预测

滑出时间是评估大型机场场面运行效率的主要性能指标,科学准确地预测离港航空器的滑出时间,对于提升场面运行效率至关重要。首先,分析了航空器滑出时间影响因素及相关性,构建了基于BP神经网络的航空器滑出时间预测模型。针对BP神经网络存在对初始权值和阈值敏感、准确性和稳定性欠佳等缺点,分别采用粒子群算法和麻雀搜索算法获取BP神经网络的最优权值和阈值,并采用我国中南某枢纽机场2周的实际运行数据对智能算法优化后的预测模型进行了验证。结果表明：①滑出时间与半小时平均滑出时间、起飞队列长度、同时段滑行的离港航空器数量均有强相关性,与同时段滑入的进港航空器数量中度相关,与滑行距离和经过冲突热点区域个数相关性较弱;②考虑强相关和中度相关影响因素的4元组合预测模型的预测结果最佳;③智能优化算法通过获取神经网络的局部最优权重和阈值,可有效地提升航空器滑出时间预测结果的精度,但运算过程耗时也更长;④基于PSO优化后的BP神经网络预测结果较优化前的MAPE提升了1.13%,MAE减少了4.48s,RMSE减少了4.68s;基于SSA优化后的BP神经网络预测结果较优化前的MAPE提升了3.05%,MAE减少了16.55s,RMSE减少了14.32s。     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

地质趋势面分析的新方法

本文通过地质趋势面分析不同种方法的介绍和对比，提出采用两种人工神经网络模型相结合的方式对地质趋势面进行分析。该方法提高了拟合精度，能较好地处理地质趋势面分析中的非线性问题