铣削加工过程的自适应量优控制

提出了两种结构不同的神经网络实现对铣削加工参数的自适应最优控制，ＢＰ神经网络实现对加工状态的在线建模，优化神经网络根据当前状况和一定的加工约束条件得出最优切削加工参数输入以实现对铣削过程的最优控制，最后给出了仿真和实验结果。     

铣削加工颤振稳定性可靠度的计算方法

铣削过程中的系统参数往往具有随机性,严重影响了铣削加工的稳定性.利用BP神经网络综合分析了随机因素对铣削加工过程的影响,提出了一种铣削加工再生型颤振稳定性可靠度计算方法.建立铣削加工再生型颤振动力学模型,使用全离散法获取铣削稳定性叶瓣图.利用神经网络拟合极限轴向切深的函数表达式,再分别使用蒙特卡罗法和一次二阶矩法进行可靠度计算.结果表明,基于BP神经网络的方法兼具高效和精确的优点.     

航空发动机叶片铣削工艺调整方法研究

为提高航空发动机叶片精密铣削加工的型面质量,提出了一种基于材料去除量的铣削加工工艺参数调整方法;首先,进行叶片铣削工艺参数调整总体方案设计,制定了叶片的铣削加工总体方案以及工艺参数调整方案;其次,基于神经网络算法建立了叶片铣削材料去除量预估模型,用于评价在不同工艺参数组合实验的铣削稳定性;然后,基于材料去除量对工艺参数进行调整来提高铣削过程的稳定性,并选取最优工艺参数组合进行叶片铣削实验;最后,运用三坐标测量机对铣削后的叶片型面进行检测,实验结果表明:铣削后的叶片叶盆、叶背加工余量分布在±0.05 mm,满足工艺要求,验证了材料去除量模型的稳定性以及所提出的工艺参数调整方法的正确性。     

Cr12插铣铣削力分析与建模

插铣铣削方式是实现金属高切除率最有效的加工方法之一,在模具制造业和航空制造业中有着较为广泛的应用.本文针对冷作模具钢Cr12,设计了三因素四水平正交试验,搭建了三向插铣铣削力测试系统,分析了切削用量对插铣铣削力的影响,建立了基于BP神经网络的插铣铣削力模型,实现了对插铣铣削力的准确预报,为实际插铣Cr12加工过程提供指导,为插铣参数的优化提供依据.     

基于船舶预报模型的动态定位控制

根据船舶定位的原理和特点，设计了基于ANFIS自适应模糊神经网络预报模型的控制方法．该方法对影响船舶定位的各种无规律运动的海浪、风、水流等因素，通过MISO ANFIS模糊神经网络的结构，给出影响船舶定位的预报模型，从而建立船舶控制模型．以混合式的学习算法为基础，对条件参数采用反向传播算法，而结论参数采用线性最小二乘估计算法来调整参数．使控制快速准确，实现了船舶推进装置的最优控制，达到船舶精确定位的目的．     

基于BP网络的注塑成型模具硬态高速铣削力研究

用AlTiN 涂层硬质合金立铣刀对4Cr5MoSiV1钢注塑成型模具进行硬态高速铣削,研究切削加工参数对切削力的影响;通过多因素法进行正交试验,利用改进的BP神经网络建立切削力的神经网络模型并对工艺参数进行优化,将网络预测结果与现场加工实践数据进行对比.研究结果表明:人工神经网络能准确地预测铣削力,模型具有较强的泛化能力和自适应能力;在高转速、小切深、合适的进给速度以及微量切削液状态下铣削力较小,为优化模具硬态铣削的切削参数并对其实际生产应用提供了较好的依据.     

基于神经网络模糊控制器的铣削过程智能控制

提出了一种新颖的神经网络模糊控制器,其模糊控制表由神经网络替代．控制器通过在线学习能自适应被控对象的变化,控制性能良好．将该控制器用于铣削过程控制,使铣削力在加工条件变化过程中始终保持相对稳定,从而提高了铣床的加工效率,并能保证加工质量,保护刀具．还给出了试验结果．     

基于蒙特卡洛法的铣削让刀误差概率分布预测

基于斜角切削理论,建立铣削力计算模型,求解得到铣削力.构建薄板受力变形的挠度函数,结合刀具的受力变形求解刀具-工件耦合变形的铣削让刀误差.采用神经网络拟合方法,求出输入铣削参数与输出最大让刀误差的函数关系.考虑刀具参数、材料参数、工件参数以及加工工况等随机参数对金属切削的影响,利用蒙特卡洛方法,对输入参数进行抽样,将参数样本代入神经网络拟合的函数模型中,获得铣削让刀误差样本,并分析其概率特性,从而提出一种铣削让刀误差的概率分布预测方法,较确定性计算铣削让刀误差的方法更加符合实际.     

基于层合叠加理论的CFRP多向层合板铣削力建模

针对碳纤维增强树脂基复合材料(CFRP)多向层合板设计中常用的典型纤维铺层方向,实验研究CFRP单向层合板的铣削力随纤维方向角及加工参数的变化规律,使用BP神经网络,获取不同加工参数下的CFRP 4种典型铺层方向单向层合板铣削力数据;基于BP神经网络结果数据和切削力层合叠加理论,建立CFRP多向层合板铣削力预测模型。研究结果表明:纤维方向角是影响铣削力的最主要的因素,该CFRP多向层合板铣削力预测模型精度可以达到85%以上。     

基于L-M算法的BP神经网络预测短电弧加工表面质量模型

短电弧铣削加工技术属于特种加工行业中电加工的技术范畴,尤其适用于特硬、超强、高韧性等难加工材料的高效加工。但工件加工表面的技术特性(表面变质层、硬度、残余应力、表面层缺陷等)还有待于深入研究。为获得短电弧铣削加工良好的工艺效果,引入传统BP算法和Levenberg-Marquardt(简称L-M)算法,构建短电弧铣削加工表面质量模型。通过分析表面质量的影响因素,选取放电电压、频率、气压、脉冲时间为模型的输入,表面粗糙度、变质层厚度、工件材料去除率为输出,比较两种模型的预测精度。结果表明,基于L-M算法的BP神经网络对表面粗糙度、变质层厚度、材料去除率的平均预测误差分别为2.9%、9.4%、4.6%,低于传统的BP神经网络。相比传统的BP神经网络,改进的LM-BP神经网络模型提高了预测精度,实际工程中可用于优化工艺参数。     

一类求解优化问题的神经网络及其全局吸引性分析

构造了一个以微分包含形式给出的神经网络模型来求解带有等式约束和不等式约束的非线性最优化问题.通过在网络模型中引入含有加权矩阵的高阶补偿项,不仅提高了神经网络优化计算的收敛速度,而且改进了优化解从不可行域逐步收敛到稳定域的问题.理论上不仅证明了神经网络的解的全局存在性和唯一性,也证明了解的有界性以及在有限的时间内收敛到最优化问题所确定的最优解集中,并分析了神经网络的全局吸引性.通过三个数值例子验证了所提出的神经网络优化的有效性.     

数字电路的神经网络模型研究

研究数字电路的Ｈｏ０ｐｆｉｅｌｄ神经网络模型,说明了这种模型的原理及建立方法,并指出这种模型存在的不足,然后研究电路手最优神经网络模型,给出了模型的相关定义,讨论了任意数字电路对应的最优神经网络的存在性,这些建模方法可应用于电路的测试、逻辑验证等领域,能提高相关的计算效率。     

遗传算法的神经网络在交流调速中的应用

介绍了遗传算法与神经网络的组合方式及结构,并通过遗传算法神经网络的融合技术对交流调速锦绣控制,然后通过遗传算法对神经网络的参数进行集中优化,得到了被控制对象的一个最优控制器———神经网络控制器.说明了这种技术的可行性.仿真结果也表明了该控制器使得交流调速的性能得到了提高.     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

一种大工业过程稳态优化控制方法

催化裂化装置是一个高度非线性、时变和长时延、强耦合、分布参数和不确定性的复杂系统。为解决催化裂化过程的优化控制问题 ,采用多层前馈神经网络进行辨识、建模 ,用周期图检验法对模型检验 ,用改进的 Frank- Wolfe算法进行稳态优化计算 ,并以大港炼油厂实际生产过程的稳态数据进行试验和验证 ,说明神经网络适合于解决非线性复杂生产过程的辨识、建模和稳态优化控制问题     

小波包与神经网络相结合的股票价格预测模型

小波包较之于小波可以更为灵活地提取分散在不同尺度上的信号特征,结合神经网络也就可获得更好的预测精度,本文按此方式建立了一种混合杂交模型用于股票市场价格波动预测,并为获得最优预测精度,本文利用遗传算法进行小波包最优分解选择和神经网络参数选择。通过对上证综指的实证研究,表明这种混合杂交模型的性能优于同类神经网络模型和基于小波分解的神经网络模型。     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.     

一种新的混沌神经网络模型及其动力学分析

提出了一种混沌神经网络模型。通过引入暂态混沌和时变增益,该网络比Hopfield型网络具有更加丰富和更为灵活的动力学特性,从而具有更强的搜索全局最优解或近似全局最优解的能力,它可以用于求解各种复杂的优化问题。大量的数字模拟表明网络能较好地解决Hopfield型网络的局部极值问题。     

遗传算法优化BP神经网络的泊车位数量预测

为了提高停车场空余泊车位短时预测的精度,利用遗传算法优化BP(back propagation)神经网络的权值和阈值,建立了基于GABP(genetic algorithm back propagation)神经网络的有效泊车位数量的预测模型,并对该预测模型进行训练,最终得到最优解。实验结果表明,该方法对泊车位数量预测具有更高的预测精度,且非线性拟合能力显著。     

A Neural Network Method for Reliability Optimizations of Complex Systems

0 Introduction The reliability has become a key factor in the design and operation of complex systems[1]. In general, the de- sign of a system involves numerous discrete choices among available component types based on reliability, cost, performance etc. …