基于BP神经网络的齿轮弯曲疲劳强度极限应力计算

针对齿轮弯曲疲劳强度极限应力计算繁杂、给齿轮强度验算和设计计算带来了很大不便的问题,提出了使用BP神经网络映射齿轮的弯曲疲劳强度极限应力近似算法,以便减少计算规模,提高齿轮设计及验算效率,其映射结果表明,使用该方法求齿轮的弯曲疲劳强度极限应力,是可行的和高效的,能够为齿轮的设计计算和强度验算提供方便。     

径向基函数神经网络在齿轮动载系数计算中的应用

由于动载系数的计算公式比较复杂,机械设计手册中提供动载系数线图供设计人员近似计算,但通过人工查取线图数据的方法会给设计带来误差,并且不利于实现设计过程的CAD。因此,提出了应用径向基函数神经网络来确定动载系数的计算方法,映射了引起动载系数与其影响因素(齿轮节线速度、齿轮制造精度)的非线性关系,并与其他文献中提出的应用BP神经网络的方法进行对比。结果表明:径向基函数神经网络可通过较少的训练次数达到较高的精度,大大超过了BP神经网络的收敛速度和训练效率。该方法可广泛应用于工程设计中计算齿轮动载系数及其他以线图表示的参数。     

Inventor参数化设计和BP神经网络在管棚钻机转盘机构齿轮设计中的应用

针对传统齿轮设计中所存在的重复建模计算、多图表问题,提出了结合Inventor参数化设计方法和BP神经网络非线性映射特点的方法来设计管棚钻机转盘结构上的齿轮,节省了大量的时间。     

基于小波神经网络(WNN)的齿轮故障诊断

在研究齿轮故障诊断模型以及齿轮故障诊断策略的基础上,选择基于知识方法的小波神经网络方法用于齿轮故障诊断,提出了学习速率自适应调整的梯度下降法来修正小波神经网络的各个系数;最后通过实验证明,利用小波神经网络技术能够实现准确识别齿轮故障.     

内啮合高阶椭圆斜齿轮副设计方法及实例应用

为促进内啮合高阶椭圆斜齿轮副推广应用,根据最大最小传动比的设计要求,研究内啮合高阶椭圆斜齿轮的实用设计方法,建立了从动轮节曲线数学模型;提供了内啮合齿轮副压力角和重合度校验方法;最后,提供了一内啮合齿轮变速传动机构的设计实例,设计结果表明:所述方法能够正确设计内啮合高阶椭圆斜齿轮副,实现周期性变传动比传动;主动轮压力角及啮合重合度校验合格,齿轮副能够正确啮合。     

小波一神经网络在齿轮故障诊断中的应用

基于齿轮箱故障齿轮的特征提取,提出了将小波包分析与神经网络结合的齿轮故障诊断方法。对齿轮信号进行3层小波包分解,构造小波包特征向量作为故障样本,用训练好的BP神经网络进行故障诊断,实验结果表明该方法能够有效地诊断出齿轮的故障类型。     

小波-神经网络在齿轮故障诊断中的应用

基于齿轮箱故障齿轮的特征提取,提出了将小波包分析与神经网络结合的齿轮故障诊断方法.对齿轮信号进行3层小波包分解,构造小波包特征向量作为故障样本.用训练好的BP神经网络进行故障诊断,实验结果表明该方法能够有效地诊断出齿轮的故障类型.     

基于多尺度均方根-BP神经网络的采煤机摇臂齿轮故障诊断

采煤机摇臂齿轮箱是采煤机故障高发区,对其进行故障诊断研究可减少事故发生率,提高采煤机可靠性。本文分析了采煤机摇臂工作特点,提出多尺度均方根(Multi Scale Root Mean Square,MSRMS)结合BP(back-Propagation)神经网络的齿轮故障识别方法。对四种不同故障类型的齿轮振动信号进行处理,得到20个尺度的均方根值,并将其作为BP神经网络的输入向量进行齿轮故障识别。实验结果证明所提出的多尺度均方根-BP神经网络方法可以准确区分齿轮故障,对四种不同状态齿轮识别率可达到85%以上,尤其磨损齿轮识别率达到95%,是一种非常有效的齿轮故障识别方法。     

行星摆线轮齿形精确设计

根据行星摆线齿轮的形成理论,应用神经网络方法实现行星摆线轮的齿形精确设计.该方法建立了齿轮参数与齿形之间的BP神经网络非线性关系模型.仿真实验表明,采用神经网络的非线性逼近特性进行摆线轮齿形模拟设计,能精确、快速地模拟出摆线轮齿形;该方法适用于非渐开线齿轮齿形的设计.     

斜齿圆柱齿轮承载能力设计缺陷的辨识与优化修正

斜齿圆柱齿轮承载能力的设计过程中,涉及到大量的非线性约束条件分析计算,传统的优化方法很难得到全局最优解。利用BP神经网络非线性映射能力,建立了斜齿圆柱齿轮设计参数与承载能力之间的全局映射关系,利用训练后的BP神经网络模型对斜齿圆柱齿轮承载能力设计缺陷进行辨识。采用遗传算法对斜齿圆柱齿轮承载能力设计缺陷进行优化修正,利用BP神经网络得到的斜齿圆柱齿轮结构特性响应构造了遗传算法罚函数,提高了遗传迭代过程中的约束计算效率,优化结果表明该方法能够有效提高斜齿圆柱齿轮设计缺陷优化修正效率。     

基于BP神经网络的铣齿切削功率计算方法研究

通过对物理样机的实验测量,借助MATLAB神经网络工具箱,将BP神经网络的理论和算法应用于铣齿功率建模的研究中。通过铣齿切削试验获取训练样本,对齿轮铣削功率的网络模型进行训练和测试。结果表明,人工神经网络能较准确地预测铣齿功率的大小,解决了传统经验公式误差较大的问题,为铣齿机床的传动设计提供了依据。     

BP 网络在基于知识的摩擦学设计中的应用

在众多神经网络模型中，ＢＰ网络是比较成熟且应用较为广泛的一种。为此，本文选用ＢＰ网络作为基本网络模型，分别从知识表达、知识获取、综合评价方面研究了ＢＰ网络在基于知识的摩擦学设计中的应用。     

STUDY ON INJECTION AND IGNITION CONTROL OF GASOLINE ENGINE BASED ON BP NEURAL NETWORK

According to advantages of neural network and characteristics of operating procedures ofengine, a new strategy is rapresented on the control of fuel injection and ignition timing of gasolineengine based on improved BP network algorithm. The optimum ignition advance angle and fuelinjection pulse band of engine under different speed and load are tested for the samples trainingnetwork, focusing on the study of the design method and procedure of BP neural network in engine     

基于小波包与改进BP神经网络的齿轮故障诊断

对齿轮振动信号应用小波包分解提取故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立齿轮运行状态分类器,用以诊断齿轮的运行状态。结果表明,该方法对齿轮故障诊断十分有效。     

基于BP神经网络的矩形花键插齿刀齿形设计

针对矩形花键插齿刀的齿形设计,提出了利用BP神经网络的非线性映射特性逼近插齿刀切削刃形的设计方法,建立了插齿刀理论齿形坐标点与逼近曲线之间的BP网络模型。仿真结果表明,该方法可达到精确设计矩形花键插齿刀齿形的目的。     

基于BP网络的工程数据处理

基于BP神经网络的高度非线性映射特性,提出一种改进的BP神经网络及其算法,将其应用于工程图的数据处理,并通过建立渐开线齿轮齿廓线的BP神经网络模型后进行齿轮轮廓线拟合,由仿真曲线可验证此方法的有效性.     

A method for predicting hobbing tool wear based on CNC real-time monitoring data and deep learning

Intelligent monitoring and diagnosis of tool status are of great significance for improving the manufacturing efficiency and accuracy of the workpiece. It is difficult to quickly and accurately predict the wear state of worm gear hob under different working conditions. This paper proposes a novel approach to predict hob wear status based on CNC real-time monitoring data. Based on the open platform communication unified architecture (OPC UA) technology and orthogonal test, the machine data of motor power, current, etc. related to tool wear are collected online in the worm gear machining process. And then, an improved deep belief network (DBN) is used to generate a tool wear model by training data. A growing DBN with transfer learning is introduced to automatically decide its best model structure, which can accelerate its learning process, improve training efficiency and model performance. The experiment results show that the proposed method can effectively predict hob wear status under multi-cutting conditions. To show the advantages of the proposed approach, the performance of the DBN is compared with the traditional back propagation neural network (BP) method in terms of the mean-squared error (MSE). The compared results show that this tool wear prediction method has better prediction accuracy than the traditional BP method during worm gear hobbing.     

基于人工神经网络的齿轮胶合承载能力及其可靠度计算方法研究

本文将人工神经网络用于传动齿轮胶合承载能力及其可靠度计算，为探索人工神经网络在机械设计中的应用进行了有益的尝试，将该方法用于某履带车辆行星变速装置行星排外啮合传动齿轮的胶合承载能力及其可靠度计算，并和常规方法比较，说明该方法是正确可行的。