BP神经网络在镁合金流变应力预测中的应用

一般的数学模型对非线性系统进行预测往往造成很大的误差,而BP神经网络能取得较好的效果.本文将BP神经网络应用于镁合金流变应力预测,建立基于BP神经网络的镁合金ME20M流变应力的模型,并在研究以前数学模型的基础上,提出了一个新的数学模型.现场实测数据仿真验证表明BP神经网络模型大大优于一般的数学模型进行预测的精度.     

基于神经网络的Al-Cu-Mg-Ag合金蠕变速率预测

基于BP型神经网络理论和算法,研究了Al-Cu-Mg-Ag合金在高温欠时效态的蠕变速率,建立了影响蠕变速率参数与蠕变速率预测的神经网络模型.结果表明,预测结果能很好地与实验结果相对应,采用BP型神经网络模型是可靠的,为解决预测合金材料蠕变速率问题提供了一种先进、合理的方法.     

基于DE—BP神经网络的刀具寿命预测研究

引入了BP神经网络技术对刀具寿命进行预测,建立了刀具寿命预测模型.并针对BP神经网络所存在的缺陷,结合差异演化算法,提出了实数编码的DE-BP神经网络预测模型.实验表明,该模型对刀具寿命预测精度高,为刀具需求计划制定、成本核算、切削参数制定提供了理论依据,节约了制造执行系统成本.     

快锻液压机主缸油路仿真与神经网络故障预测

针对快锻液压机主缸油路故障预测,建立了主缸油路AMESim模型,在AMESim环境下仿真,获得了主缸油路故障特征;建立故障预测BP神经网络,并利用仿真样本训练、测试了BP神经网络模型。计算结果表明:所建立的BP神经网络预测模型具有较好的故障预测能力,可用于快锻液压机主缸油路故障预测。     

钢板水火加工温度场热源参数预报研究

本文以水火弯板加工过程中的燃气流量、火焰移动速度、加工时间和钢板厚度作为输入参数,热源热效率和热源半径作为输出结果,建立了一种可以预测水火弯板热源模型参数的BP神经网络方法.应用神经网络预测结果设定水火弯板数值模拟时钢板表面的热流载荷参数,基于ANSYS软件得到钢板水火弯板温度场数值计算结果.经应用实例验证,以BP神经网络输出为热源参数的水火弯板数值计算结果与试验测试结果基本一致,说明本文所建立的BP神经网络方法可以用来预测水火弯板温度场热源模型参数.     

基于遗传算法的神经网络在预测油管钢腐蚀速率中的应用

针对目前BP神经网络在实际应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中采取保留最佳个体的方法,建立基于遗传算法的BP网络模型,同时用一个实例说明该模型在预测油管钢腐蚀速率中的应用,实践证明神经网络预测结果与实验值吻合较好.最后通过现场实验数据检验了该神经网络的泛化能力，表明其预测结果与现场实验结果相近.     

基于遗传神经网络的铣削力预测方法

铣削过程的复杂性和铣削力产生的多因素性使得铣削力预测模型很难建立.论文在遗传算法与BP网络模型相结合的基础上,利用遗传算法训练神经网络权重的方法,建立了铣削力预测的遗传神经网络模型.最后将神经网络预测结果与实验数据进行比较和误差分析,证明了该神经网络能够准确地预测铣削力的大小.     

基于BP神经网络的T91钢蠕变行为预测研究

基于BP神经网络的理论,建立了多应力水平下T91钢蠕变速率预测模型.通过实验采集到了相关实验结果,利用建立的BP神经网络模型,对实验结果数据进行训练.结果表明:模拟结果与实测结果吻合良好,预测精度很高;采用BP神经网络法可为研究T91钢蠕变行为提供一条可行方法,根据该模型可改善材料的工艺.     

应用BP神经网络研究镁铝水滑石纳米晶制备工艺

采用液相法制备镁铝水滑石纳米试样.选用BP神经网络对镁铝水滑石纳米晶粒的制备工艺进行建模.输入神经元和输出神经元的个数分别由制备水滑石时的工艺参数和预测指标(纳米晶粒大小)来确定.并首先对数据进行标准化和归一化处理.为了克服BP神经网络局部极小值和收敛缓慢缺点,提出改进BP神经网络算法采取改变代价函数;改进权值修改公式,在迭代公式中附加动量项.计算结果表明使用改进BP神经网络模型,对镁铝水滑石纳米晶粒大小有较好的预测能力.     

基于BP神经网络的电主轴热误差补偿模型

热误差是影响高精度数控机床加工精度的主要的误差因素.文章主要论述了利用BP神经网络来建立CX8075车铣复合加工中心电主轴热误差补偿模型的建模的过程,以两组不同的数据,分别进行的训练和预测,经过在软件MATLAB中的模拟测试,通过BP神经网络建立的电主轴热误差补偿模型具备了较高的拟合和预测精度.分析结果表明,电主轴的原始热误差值与模型计算的输出结果的值非常接近,最低补偿率可达90％以上,这代表运用该BP神经网络模型能够补偿大部分的热变形误差.     

水电厂气象水文综合预报调度模型的建立与应用

水电厂气象水文综合预报调度模型整合了降雨预报方案、中长期水文预报方案、洪水预报方案、水库优化调度方案等现有模型系统。降雨数值预报接入水库预报调度系统后,延长了来水预报预见期,结合文中研究的优化调度模型,使水电厂能够提前调整发电计划、调度方案,增加了水电厂的发电效益和水库的防洪减灾社会效益。     

12%Cr超超临界转子钢的晶粒长大规律

研究了12%Cr钢在1 000~1 250℃温度下保温时间对奥氏体晶粒长大的影响。通过实验研究,获得了该钢奥氏体晶粒在高温下的长大规律,建立了晶粒长大的动力学模型,并通过对该模型的拟合值和试验值的对比,表明此模型对其长大规律的预测具有较高的准确性。     

基于BP神经网络的挤压模具磨损预测

基于修正的Archard磨损模型,将人工神经网络与有限元分析相结合,用有限元模拟数据作为学习样本,训练BP神经网络模型,以此模型预测挤压模具的磨损,实现了模具寿命的快速预测,也为模具型腔等磨损设计奠定了基础。     

基于虚拟制造技术的运动平台误差模型

拟实制造技术具有以下4个基本特征:沉浸性、交互性、多感知性、自主性,使用者与虚拟环境中的各种对象的相互作用,让使用者有一种身临其境的感觉.本文全面建立了三维运动平台的拟实制造技术模型,通过综合分析应力变形、几何误差、动态误差等对加工的影响,实现了运动平台的误差预测.这种方法完整地预测了运动平台各个因素的误差,结合合适的传感器能达到更高的误差预测精度.     

数控镗刀磨损与破损的声发射监测法

通过分析声发射传感器采集的刀具磨损状态信号,提取出反映刀具磨损状态的特征向量MFCC系数及差分系数,然后利用隐马尔可夫模型进行信号处理,建立了检测镗刀刀具状态的监测系统。实验结果表明:在刀具的正常磨损阶段,该监测系统可以实现刀具大致磨损量的预报;在刀具破损或损坏情况下,能够及时监测和预报刀具损坏状态。这种监测方法可用于实时在线监测,为刀具的磨损监测提供了一条切实可行的途径。     

Frechet分布的海底油气管道腐蚀预测

应用Frechet极值分布建立管道最大腐蚀深度预测模型,然后用马尔科夫链蒙特卡罗(MCMC)方法估计预测模型的参数值,通过模型预测出可能的最大腐蚀深度,并结合钢质管道管体腐蚀损伤评价方法和马尔科夫链模型对管壁腐蚀的最大概率状态进行分析和预测,实现对海底油气管道腐蚀现状和运行情况的科学评价和预测。结果表明:管道腐蚀进入状态3以后,腐蚀速率加快,在管道运行到第10年时,就需要更换新管。该组合模型能够很好地预测油气管道的最大腐蚀深度和腐蚀状况,从而为合理确定管道的检测、维护、维修和更换周期提供科学的依据。     

Prediction of Al（OH）3 fluidized roasting temperature based on wavelet neural network

The recycle fluidization roasting in alumina production was studied and a temperature forecast model was established based on wavelet neural network that had a momentum item and an adjustable learning rate. By analyzing the roasting process, coal gas flux, aluminium hydroxide feeding and oxygen content were ascertained as the main parameters for the forecast model. The order and delay time of each parameter in the model were deduced by F test method. With 400 groups of sample data （sampled with the period of 1.5 min） for its training, a wavelet neural network model was acquired that had a structure of {7^-21^-1}, i.e., seven nodes in the input layer, twenty-one nodes in the hidden layer and one node in the output layer. Testing on the prediction accuracy of the model shows that as the absolute error ±5.0 ℃ is adopted, the single-step prediction accuracy can achieve 90% and within 6 steps the multi-step forecast result of model for temperature is receivable.     

GM(1,1)逐步优化建模方法及其在数控系统故障诊断中的应用

数控机床的数控系统的可靠性对数控机床质量起着非常重要的作用，但其故障信息是少信息的，如何对其故障做出合理的预测，具有重大的实践意义和理论价值。灰色系统理论是研究贫乏信息的科学理论，具有广泛的适应性。在GM（1，1）建模思想的基础上提出了一种逐步优化的建模方法。应用该模型对数控机床数控故障的预测进行了应用，效果令人满意，它为数控机床故障预测提供了科学而合理的新方法，值得推广使用。     

基于灰关联分析的多元线性回归模型对铁液含硅量的预测

铁液含硅量是表征高炉炉温等不可准确检测状态的反应量，准确预测可帮助高炉冶炼人员及时了解炉内信息。本文运用灰关联分析方法，提取20个影响含硅量预测因素中的6个作为主要影响因素，然后建立多元线性回归滑动预测，预测命中率在90％左右，相对误差为0．0178。     

基于BP神经网络的油气长输管道失效概率预测

油气长输管道风险评价是保障油气管道安全的重要技术之一,而油气长输管道风险评价的核心内容是定量确定管道的失效概率,因此,油气管道失效概率值的准确性会极大地影响到定量风险评价结果的合理性和适用性。目前,国内外均没有建立管道失效概率计算的数学模型,其预测多是依靠现代数学分析中的预测方法如：层次分析法、故障树分析方法和概率统计方法等。人工神经网络是以大量的具有相同结构的简单单元的连接来模拟人类大脑的结构和思维方式的一种可实现的物理系统或计算机模拟系统。本文将神经网络技术中常用的BP神经网络技术运用到油气长输管道失效概率预测中,依靠其强大的非线性映射关系,在输入、输出关系完全未知的情况下映射出输入、输出的非线性关系,从而建立基于故障树失效因素作为输入而管道失效概率作为输出的预测模型。