基于EMD与BP神经网络的齿轮故障诊断

针对基于传统BP神经网络的齿轮故障诊断方法存在收敛速度慢，误差较大等问题，提出经验模式分解（EMD）与BP神经网络相结合的齿轮故障诊断方法。首先简述经验模式分解和BP神经网络的基本原理，然后采用EMD方法提取齿轮时域信号中的各个IMF分量，计算IMF分量中故障信号能量特征参数，将这些能量特征参数作为BP神经网络输入参数进行故障诊断。在齿传动故障实验台上采集足够的样本数据进行实验研究。结果表明:与传统的BP神经网络相比，可将训练误差从0.01降低至0.001左右。此外，训练迭代次数可减小至10次以内。     

基于人工神经网络的铜合金时效性能研究

利用神经网络对Cu-Cr-Zr合金时效温度、时间与硬度和电导率样本集进行学习，采用改进的BP网络算法—Levenberg-Marquardt算法，建立了时效强化工艺BP神经网络模型。预测结果表明：该BP神经网络可以充分挖掘样本蕴含的领域知识，可以对材料性能进行有效预测和分析。     

BP神经网络在液压试验台故障诊断中的应用

分析了BP神经网络的结构及算法，并对液压试验台的故障模式用BP神经网络来进行诊断，从而提出了一种新的解决液压试验台故障诊断的方法。     

用BP神经网络实现PLC控制系统故障诊断

介绍了PLC控制系统故障诊断的BP神经网络方法。文中首先对PLC控制系统故障诊断模型、PLC控制系统故障特点进行了分析。然后详细介绍了用BP神经网络实现PLC控制系统故障诊断的过程，特别是故障诊断BP神经网络结构和故障诊断训练样本的确定方法。在文章最后，还给出了该故障诊断方法的应用实例。     

基于BP神经网络的新零件材料消耗定额预测方法研究

为精确地预测熔模铸造中新零件材料消耗定额，采用了BP神经网络的方法进行建模。在分析影响各工序零件材料消耗主要因素的基础上，确定了BP神经网络模型的特征参数，并根据实际情况确定了输入层和隐含层的神经元个数，从而确定了模型的结构。用试验数据对模型结构进行训练，最终建立了一个用于新零件材料消耗定额预测的BP神经网络模型。     

基于BP和RBF神经网络的表面质量预测研究

目的 研究RBF和BP神经网络在铣削加工中的作用，实现对铣削加工质量的预测，改善铣削性能。方法 对环形铣刀与常用的球形铣刀进行对比，然后基于MATLAB平台，建立以铣削速度、进给量和铣削深度为输入参数，表面粗糙度为输出参数的RBF神经网络模型。通过大量的试验数据对RBF神经网络模型进行训练，然后再用训练好的RBF神经网络模型预测表面粗糙度，将预测值与实测值进行比较，验证RBF神经网络的预测性能。将训练好的BP神经网络模型与RBF神经网络所建模型的预测结果进行比较。结果 发现用RBF方法预测的表面粗糙度相对误差的绝对值不超过6%，最大误差为0.056 098，平均误差为0.022 277，而BP方法的最大误差为0.074 947，平均误差为0.036 578。结论 环形铣刀加工质量更好。RBF神经网络的预测精度较高，具有比BP神经网络更优的预测能力，且拥有建模时间短、收敛速度高、训练过程稳定以及学习速度快等优点，能有效进行铣削质量预测。     

使用改进型BP神经网络量化裂纹漏磁信号

为量化油气管道的裂纹漏磁信号,提出使用改进型BP神经网络的方法。介绍了BP神经网络的运作方式、改进的BP算法和如何将遗传算法用于改进BP神经网络的初始权值和阈值。测试样本和实际检测数据的输出结果表明,采用改进型BP神经网络量化裂纹漏磁信号是可行的。     

神经网络在复杂液压系统故障诊断中的应用

尝试将BP神经网络应用于液压系统的故障诊断，阐述了基于BP神经网络的故障诊断专家系统的基本结构及知识库组建的方法。结合工程机械液压系统，建立了适合复杂系统故障诊断的复合神经网络结构。该诊断系统具有知识库规模小、推理速度快、推理过程及结论明确等优点。     

基于神经网络的喷丸25CrMo合金疲劳寿命及残余应力松弛行为预测研究

首先，本文采用BP神经网络建立了喷丸25CrMo车轴钢疲劳寿命预测模型。然后，在此基础上采用遗传算法（GA）对BP神经网络的预测精度进行了优化。此外，还采用了径向基神经网络（RBF）进行建模分析，并与以上两种模型的预测结果进行对比，结果表明：遗传算法优化的BP神经网络（GA-BP）相比于BP和RBF神经网络具有更高的预测精度，其中训练集和测试集的平均预测精度分别为91.5%和85.4%。然后，基于GA-BP神经网络模型的连接权值矩阵和Garson方程进行了灵敏度分析，从而进一步量化了输入影响因素对喷丸25CrMo车轴钢疲劳寿命的相对影响比重；最后，还采用GA-BP神经网络预测了喷丸25CrMo车轴钢表面残余压应力的松弛行为，结果表明：测试集的平均预测误差仅为3.4%，表明了该神经网络预测性能良好。综上所述，本文采用神经网络建模分析了喷丸25CrMo车轴钢的疲劳性能和残余压应力松弛行为，显著降低了传统疲劳试验所需的成本，并且还保证了较高的准确性。     

BP神经网络在油液污染与磨损预测中的应用

针对传统BP算法存在的不足进行改进,采用共轭梯度法与Levenberg-Marquardt法对BP神经网络进行优化;通过实际数据进行预处理、建模分析,对比传统BP神经网络和经过优化后BP神经网络,证明了优化后的神经网络在油品污染与磨损的预测方面具有更好的泛化能力。     

表面组装装备机器视觉系统研究

机器视觉系统作为表面组装装备的关键部分,其智能化程度直接决定着表面组装制造系统的智能化程度.从提高表面组装装备的加工速度和加工精度角度出发,对表面组装装备机器视觉系统进行了研究.根据机器视觉系统完成的主要任务,同时参考当今流行的机器视觉系统软、硬件组成,对表面组装装备机器视觉系统的结构及功能模块组成,各模块的工作原理、硬件结构设计、软件结构设计及它们的实现方法进行了较深入的探讨和详细的论述.     

基于STD总线的棒材打捆机控制系统研究

对棒材打捆饥运行机理进行了分析,没计了以89C51单片机为核心的打捆机控制系统,实现了对棒材打捆机运行过程的自动控制、信号的自动检测以及运行状态的液品(LCD)多屏动念显示等多种控制功能、本文描述了该控制系统的基本功能、硬件配置和系统软件的设计。     

基于Web的CNC机床远程故障诊断系统

对基于Web的Multi-agent 的远程故障诊断技术进行了研究,提出基于知识的Multi-agent的数控机床(CNC)的远程故障诊断系统,该系统由诊断和学习agents(DLA)、远程设备agents(RMA)和中央管理agent(CMA)组成.通过这些Agents之间的协作和通信,实现CNC机床的远程监测和故障诊断.     

高精度珩磨机床控制系统设计

文章介绍了目前国内外珩磨设备的研究背景;根据珩磨机床加工工艺原理和控制要求,基于可编程控制(PLC)技术,进行珩磨机床控制系统设计;介绍了系统PLC主控制器I/O端口设计,系统硬件组成和系统软件中主程序及自动加工子程序设计;通过现场加工表明:该系统性能稳定,可靠性强,加工效率高,所加工的零件质量达到国外高精度珩磨机床对加工同类零件的质量要求.     

拉动式生产系统的建模与仿真

精益生产是一种先进生产管理方式，拉动式生产则是实现精益生产的关键技术。文章针对机床厂的拉动式生产系统，利用面向对象仿真技术，在eMPlant仿真环境下建立了拉动式系统模型，通过仿真验证了该系统的可行性。     

基于绿色制造的切削机床-车间系统降噪研究

机床-车间系统是切削制造过程的基本生产单元，是实施绿色制造很关键的一环，从广义的角度看运转噪声和切削噪声都是机床噪声的一部分，基于绿色制造的机床-车间系统降噪关键在于降低机床噪声。本文对切削机床-车间系统的噪声特性进行了分析；总结了机床设计和制造（改造）过程中一些降低机床运转噪声的措施；提出了用调度等方法降低系统的切削噪声；并进行了实例分析。     

感应加热复式压装机总体方案与液压系统设计

汽车桥壳和平衡悬挂部件,需用同一设备完成热压装.本文介绍感应加热复式压装机的总体设计,液压系统、复式液压缸、弹簧浮动自动对中装置的设计.首台感应加热复式压装机于2004年研制成功,至今已在有关企业研制生产了14台.用户使用证明,设备运行质量可靠,性能稳定.取得了显著地社会经济效益.     

基于PC平台的旋压机数控系统的研制

目前国内数控旋压设备的关键技术和部件还需要依赖进口,已成为阻碍我国数控旋压机床自主研制开发的瓶颈.为使所研究的数控旋压机床能面向广大中、小型企业,开发出了一种基于PC平台的经济型旋压机床数控系统,对三维非轴对称旋压时旋轮的径向进给、工作台的转动及横向偏移、纵向进给实行四轴两联动控制,该系统同样适用于常规的轴对称旋压机床的控制.本文对控制系统的硬件实现和软件系统作了介绍.     

基于运动控制器的雕刻机控制系统设计

传统的雕刻机系统开放性差、可移植性差,阻碍了雕刻机行业的发展。基于运动控制器设计雕刻机控制系统,分别介绍系统的硬件设计和软件设计。该控制系统具有良好的开放性,对雕刻机行业的发展具有一定的意义。     

基于传感网络的数控机床故障监控系统的设计

设计一种新型的数控机床故障监控系统,通过在数控机床上安装不同类型的传感器,对易产生故障的部位进行多参数综合监控。数据采集模块负责对各种动态参数进行实时采集,并通过无线网络方式将数据传输至上位机。上位机中安装有相应的故障监控软件,将通过软件界面显示故障信息并报警。实验结果表明:基于传感网络的数控机床故障监控系统可降低机床停机率,提高机床利用率并早期预防某些隐性故障。