基于BP＆MATLAB的平面加工CAPP的研究

基于人工神经网络中的BP网络建立了零件表面加工方案模型。把一系列推理规则转化为网络权值，并设计BP网络。然后利用MATLAB软件中的神经网络工具箱编程，对网络进行训练，从而得到了零件平面加工工艺顺序。     

基于BP网络的零件外圆面加工方案决策研究

基于人工神经网络中的BP网络建立了零件外圆面加工方案决策模型。把一系列推理规则转化为网络权值,并设计BP网络。然后利用MATLAB软件中的神经网络工具箱编程,对网络进行训练,应用训练好的网络生成零件外圆面的加工方案,示例验证网络运行可靠。     

基于BP & MATLAB的平面加工CAPP的研究

基于人工神经网络中的BP网络建立了零件表面加工方案模型.把一系列推理规则转化为网络权值,并设计BP网络.然后利用MATLAB软件中的神经网络工具箱编程,对网络进行训练,从而得到了零件平面加工工艺顺序.     

基于神经网络专家系统的工艺推理研究——以轴类零件为例

目前,传统专家系统工艺推理时存在零件信息提取不完整、知识获取困难和推理能力弱的问题,采用基于神经网络和规则的混合推理机制替代传统专家系统可以解决有效上述问题。首先,运用特征技术提取零件信息,将零件信息转换为特征矩阵,作为神经网络专家系统的输入;然后,根据特征矩阵搜索推理策略,基于轴类零件特征将神经网络分为精度、形状和热处理三类子网络,采用动量-自适应学习率BP算法训练网络;最后设计与实现了混合系统工艺推理过程。     

基于模糊推理的零件特征加工方案决策研究

为实现计算机辅助工艺设计(Computer Aided Process Planning,CAPP)系统中零件特征加工方案的决策,分析了影响加工方案选择的因素,提出了一种基于模糊推理的零件特征加工方案决策方法。文中建立了零件特征属性与加工方案的模糊映射关系,设计了适当的隶属度函数,建立了加工方案的模糊推理模型。该决策方法将基于规则的推理转化为模糊推理,降低了推理过程的匹配冲突。通过实例验证表明,利用模糊推理进行零件特征加工方案的决策是有效的和可靠的。     

基于特征的零件知识语义网络表示法

针对零件知识表示困难的问题，将零件知识分解为零件、体和面的公有和私有知识，在此基础上，利用语义网络推理能力强的特点，用语义网络来表示零件特征知识，本文阐述了语义网络表示基于特征的零件知识的方法，并举例说明了基于特征知识表示的语义网络生成新工艺的推理过程。     

基于规则推理的铣削刀具选择系统开发与应用

刀具选择是金属切削加工的重要工艺操作环节,传统刀具选择依赖操作工的经验选择刀具,工作效率低,加工知识继承困难,因此提出利用基于规则推理技术建立刀具选择系统来提升刀具选择效率。并实现了以金属加工刀具为研究对象,以被加工零件的材料为主线,以My SQL数据库为开发平台的铣削刀具选择专家系统。     

基于概率神经网络的CAPP系统中零件表面加工方法的研究

零件表面加工方法的选择是CAPP系统的重要组成部分,利用概率神经网络以逐步分解的方式来实现零件表面加工方法的选择,并给出了网络的构造、训练和组织训练数据的方法。结果表明,利用人工神经网络可以很好地选择零件表面的加工方法,克服了CAPP专家系统存在的工艺知识获取“瓶颈”问题和“无穷递归”、“推理薄弱”等推理过程中出现的问题。     

典型轴类零件车削加工专家系统的研究

针对典型轴类零件在实际生产中人工编制工艺效率低下、切削参数选择不合理等问题,依据金属切削加工理论,通过分析典型轴类零件车削加工的专家经验,提出了基于Visual和Sql Server建立典型轴类零件车削加工专家系统。系统先通过对零件三维模型的识别,提取出能够用于制定工艺的零件信息,进而采用基于规则推理的技术,实现典型轴类零件的工艺方案自动制定、刀具和切削参数自动选择优化等。     

基于混合推理机制和光谱分析的活塞压缩机磨损故障诊断设计

建立了压缩机组磨损基于规则推理与人工神经网络混合推理的专家系统模型，应用该模型可以解决规则不足的问题，同时采用黑板机制实现神经网络推理与基于规则推理之间的转换，克服基于规则推理效率低下，知识获取困难的障碍，实现演绎推理（基于规则推理）和归纳推理（人工神经网络）的有机配合。     

数控电火花线切割加工参数优选的试验研究

针对数控高速走丝电火花线切割加工中的电参数的选取,本文运用二次通用旋转组合设计方法进行了工艺数据试验,提出了针对人工神经网络建模的数据预处理方法,建立了基于BP神经网络的电火花线切割加工参数模型。该模型可有效地反映高速走丝电火花线切割加工的工艺规律,实现在指定加工要求下的加工参数的优化选取。     

冲天炉网形图重构的自适应模糊推理方法

网形图是指导冲天炉熔炼操作的重要工具。综合自适应模糊推理的建模功能和神经网络的学习能力，直接从实验数据中提取推理规则，建立了基于网形图的冲天炉熔炼过程模型。模型具有较高的预测精度和泛化能力，可以帮助操作者认识熔炼规律，据此得出的新型网形图使用起来更为方便快捷。     

基于神经网络和遗传算法的工序排序算法

加工顺序的安排是工序设计的重要环节，也是工艺设计的难点，它已经成为阻碍CAPP发展的瓶颈之一。提出一种基于Hopfield神经网络与遗传算法的工序排序算法，建立了网络和数学模型，给出了基于排序原则的参数化表达式，通过仿真计算实例验证了算法的可行性。所提出的基于Hopfield神经网络与遗传算法的工序排序方法不仅可实现对加工活动的自动排序，而且易于考虑其它排序原则和工艺约束条件，可提高算法的实用性和工序排序解的满意度。     

神经网络共轭梯度优化算法在激光加工定位中的应用

在应用激光技术加工复杂曲面时,通常以采样点集为插值点来建立曲面函数,然后实现曲面上任意坐标点的精确定位。人工神经网络的BP算法能实现函数插值,但计算精度偏低,往往达不到插值精确要求,造成较大的加工误差。提出人工神经网络的共轭梯度最优化插值新算法,并通过实例仿真,证明了这种曲面精确定位方法的可行性,从而为激光加工的三维精确定位提供了一种良好解决方案。这种方法己经应用在实际中。     

一种基于模糊神经网络确定电火花加工条件的新方法

在电火花加工中,影响因素较多,难以确定最优加工条件。应用模糊神经网络确定电火花加工条件是一种新的尝试,它可以充分发挥模糊逻辑和神经网络的长处。为方便操作者决定粗加工最优加工条件,并提高表面加工效果和粗加工速度,本文提出了一种基于模糊神经网络自动确定和优化电火花成形加工中加工参数的方法。经实践证明,用该方法所确定的最优加工条件,能保证较高的粗加工速度,方便了操作者对加工条件的确定。     

复杂曲面车削精度的神经网络控制

提出了一种基于神经网络的加工误差控制方法，引入神经网络对加工系统的逆模型进行辩识，运用该模型前置校正加工系统以改善加工精度。该方法在中凸变椭圆活塞裙面加工中的成功应用，证明了其合理性及先进性。     

车削过程切削力的计算机数值仿真

切削力是表征切削过程最重要特征的物理量,其动态变化将直接影响加工过程中刀具与工件的相对位移、刀具磨损和表面加工质量等,所以对切削力建模是进行加工过程物理仿真研究的基础。因此在基于实时工况的切削实验研究基础上,考虑切削参数的因素,利用BP（back pmpagation）神经网络建立车削过程中的切削力的仿真模型。通过大量的样本训练,使神经网络能够对切削力进行较准确地数值仿真。     

基于信息优化的加工过程神经网络控制

为了提高加工过程生产率和保证加工精度,以加工过程的恒切削力控制作为研究对象,将信息论原理和神经网络智能控制理论应用于加工过程控制,以信息熵作为加工过程智能控制系统的性能测度能统一各级性能指标,将神经网络作为加工过程控制输入和系统输出的信息传输通道,确定了神经网络基于信息优化的目标函数,推导出了信息优化的三层BP神经网络学习算法,提出了恒力切削过程中基于信息优化的神经网络控制系统框架.通过加工过程的仿真实例证明,与传统自适应神经网络控制方法相比,基于信息优化的神经网络控制方法收敛精确,速度快,振荡小,系统超调量小,具有较好的综合性能.研究结果为信息理论应用于加工过程控制提供了有效途径.