神经网络在毛坯形状预测中的应用

从影响冲压成型结果的因素和有限元网络映射法反算毛坯形状的方法出发,提出了基于神经网络预测毛坯形状模型的方法。选取凸模圆角半径、凹模圆角半径、压边力和摩擦系数等作为影响冲压成型结果的因素,利用正交表和随机法产生径向基神经网络的学习样本,用有限元网络映射法反算的毛坯的长度作为神经网络的输出,通过影响冲压成型结果因素的随机样本对神经网络进行检测。实验表明,提出了预测毛坯形状模型的方法是有效的。     

基于BP神经网络的电镀金刚石套钻钻削效率研究

使用电镀金刚石套钻进行钻削时,运用正交试验法对钻削效率有较大影响的各参数进行优化,然后用BP神经网络分析方法对正交试验的结果进行分析处理、预测并得到较正交试验法所得最优参数组合时更高的钻削效率,证实了用BP神经网络模型预测电镀金刚石套钻钻削效率的方法具有可行性。     

基于BP神经网络的电镀金刚石套钻使用寿命的研究

首先运用正交试验法优化了对使用寿命有较大影响的各参数,然后用BP神经网络分析方法对正交试验的结果进行分析处理,预测并得到较正交试验法最优参数组合时更高的使用寿命。     

切削表面粗糙度的人工神经网络预测

以易切削黄铜的加工表面粗糙度与各种加工参数的关系为对象,将L9( 34)型正交切削试验数据作为训练学习样本,同时以与正交试验参数有关的6个样本作为预测样本,用BP神经网络对其进行了预测。结果表明:经设计的BP神经网络训练1183次,其最大误差不超过5 % ;人工神经网络与正交试验相结合,能大大节省预测时间和费用,效果很好。     

基于BP神经网络的纳米复合沉积层显微硬度预测研究

在复合电沉积工艺中，通过适当控制工艺条件可以获得具有特殊性能的纳米复合镀层。运用正交试验法优化对复合沉积层显微硬度有较大影响的各工艺参数，然后用BP神经网络分析方法对正交试验的结果进行分析处理。预测并得到较正交试验法所得最优工艺水平组合时更高的复合沉积层显微硬度，证实了将神经网络模型应用于复合沉积层性能预测和工艺优化的可行性和有效性。     

基于遗传算法和神经网络算法的吊车结构优化设计与实现

论文综合利用BP神经网络、遗传算法有限元法以及正交试验法对吊车结构系统进行优化研究。利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型。首先对吊车起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。     

基于BP神经网络的点焊模型修正研究

文章采用多水平正交表选取BP神经网络训练样本的方法,可在保证足够精度的条件下,大大减少神经网络的建模工作量,因而有很大的实用价值。基于此法建立了点焊模型的BP神经网络模型,并以试验结果为依据,修正了有限元模型。     

基于人工神经网络的微细车铣表面粗糙度预测模型

针对传统切削经验公式无法精确预测微细铣削零件表面粗糙度的问题,提出了一种基于人工神经网络的表面粗糙度预报方法。利用试验选择不同切削参数组合进行铣削试验,将试验结果分为两部分,一部分数据用作BP神经网络的训练样本并最终建立预报模型,另一部分用作测试样本,与相同切削参数条件下的神经网络预测值进行对比。从而证明BP神经网络对于微细铣削表面粗糙度值具有很高的预测精度。     

基于神经网络的金属材料疲劳裂纹扩展规律的预测

人工神经网络是新型的复杂系统预测方法。本文针对金属疲劳裂纹扩展速率建立了 BP 神经网络,并以部分应力比 LD2锻造铝合金疲劳裂纹试验数据作为训练样本,训练建立好的 BP 神经网络;以另一部分应力比条件下的试验数据作为预测样本,验证训练好的 BP 神经网络的预测能力。仿真结果表明,BP 神经网络能够方便地获得不同应力比下的疲劳裂纹扩展速率,对训练样本和测试样本都具有良好的泛化能力。该方法充分利用了已有数据,减少了疲劳试验次数,具有工程应用价值。     

基于人工神经网络的板料弯曲成形工艺优化及回弹分析

结合人工神经网络所表现出来的良好特性,利用正交试验获得的数据作为神经网络的训练样本,建立输入为弯曲工艺参数、输出为回弹量的神经网络模型,并通过样本检验了ANN模型的准确性,从而缩短设定工艺参数的时间,在工艺参数取值范围内,采用ANN模型代替CAE软件模拟试验,结合正交试验法,对工艺参数进一步优化.结果表明:将神经网络与正交试验、数值模拟三者结合用于板料弯曲成形参数优化,可以缩短优化工艺参数的时间.提高工艺设计效率,并能获得比单纯使用正交试验和数值模拟方法更为优化的结果.     

基于BP神经网络的齿轮约束性设计研究

针对变速传动工况对齿轮设计的要求,提出了针对不同约束性要求的齿轮设计知识约束驱动检索方法,并采用BP神经网络实现了对该方法的具体执行过程,分6种不同情况完成了对齿轮约束性设计的求解分析。研究过程以变速传动装置的运动传递功能实现为对象,讨论了BP网络的构造和训练样本的建设。研究结果表明,基于BP神经网络的齿轮约束性设计能够较为快速和准确地获得特定约束条件下的齿轮设计方案或者选型,提出神经网络BP算法能够实现约束与知识之间复杂、非线性映射关系。     

Mechanical Properties Prediction of the Mechanical Clinching Joints Based on Genetic Algorithm and BP Neural Network

For optimal design of mechanical clinching steel-aluminum joints, the back propagation (BP) neural network is used to research the mapping relationship between joining technique parameters including sheet thickness, sheet hardness, joint bottom diameter etc., and mechanical properties of shearing and peeling in order to investigate joining technology between various material plates in the steel-aluminum hybrid structure car body. Genetic algorithm (GA) is adopted to optimize the back-propagation neural network connection weights. The training and validating samples are made by the BTM(R) Tog-L-Loc system with different technologic parameters. The training samples' parameters and the corresponding joints' mechanical properties are supplied to the artificial neural network (ANN) for training. The validating samples' experimental data is used for checking up the prediction outputs. The calculation results show that GA can improve the model's prediction precision and generalization ability of BP neural network. The comparative analysis between the experimental data and the prediction outputs shows that ANN prediction models after training can effectively predict the mechanical properties of mechanical clinching joints and prove the feasibility and reliability of the intelligent neural networks system when used in the mechanical properties prediction of mechanical clinching joints. The prediction results can be used for a reference in the design of mechanical clinching steel-aluminum joints.     

基于BP神经网络的SU-8光刻胶工艺参数优选研究

SU-8是一种性能优异的厚胶,广泛应用于高深宽比的MEMS微结构中。本文首先用正交试验研究了前烘时间、曝光剂量、后烘时间以及显影时间对SU-8光刻胶图形尺寸精度的影响,得到了优化的工艺组合。在此基础上,运用BP神经网络对试验数据进行分析处理,预测了较正交试验分析结果更为优化的工艺组合,并用试验验证了其正确性。结果表明,经正交试验数据训练过的BP神经网络,很好地映射了工艺参数与优化指标之间的复杂非线性关系,此时应用BP神经网络对工艺参数进行优选研究能够得到更全面、准确的结果。     

应用神经网络优化设计盘形成形铣刀齿数

针对整体盘形成形铣刀的设计,基于刀体强度、刀齿磨光部分长度和刀齿强度对铣刀齿数的要求,提出了利用BP神经网络优化设计铣刀齿数的方法。该方法基于BP神经网络的非线性映射特性,建立了铣刀齿数与铣刀切削参数的非线性BP网络模型,模拟选齿参数曲线,达到自动设计铣刀齿数的目的。仿真结果表明,神经网络方法不但提高了铣刀的设计效率,而且使铣刀齿数的设计得到了优化。     

BP神经网络在平行双折线卷筒智能设计中的应用

利用传统的设计方法为BP神经网络的学习提供足够样本集，然后通过正向传播和误差反向传播建立BP神经网络的拓扑结构，并将其应用于平行双折线卷筒的智能设计中，以完成龙门起重机起升机构主要设计参数与平行双折线卷筒相关参数的映射，提高设计的质量和效率，为龙门起重机关键零部件的智能设计提供一个新的途径。     

再制造机床可修复零部件精度分配研究

研究可修复零部件精度参数的分配是关系到再制造机床性能和再制造成本的重要问题。本文提出了用BP+GA的混合算法优化分配可修复零部件精度参数的方法。首先利用BP神经网络建立零部件精度参数与再制造机床空间几何误差之间的正向映射模型,然后用正交设计法得到训练样本数据并训练网络,最后再用BP+GA的混合算法逆向确定零部件的精度参数。仿真结果表明了混合算法是解决复杂精度分配问题的一种理想方法,优化结果可用于指导零部件精度的修复。     

基于遗传算法和神经网络的塔机结构动态优化设计

利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型,用于振动系统的快速重分析。首先对塔式起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。     

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。     

井下微型水轮机流场分析与优化设计

围绕煤矿综采工作面液压系统液压能量利用率低、控制电路冗杂等难题,提出了一种水轮机与发电机集成化设计的方法,对提出的水轮机进行参数分析及结构设计,结合水轮机压差和转速的流场分析结果,通过正交试验、神经网络和遗传算法,实现了不同叶轮宽度、叶轮间隙、基圆直径、入口角度、进出口相对位置和喷嘴尺寸结构参数下水轮机转速和效率的多目标优化设计。通过样机测试试验,优化后整体效率有明显提升,平均效率值提高了2.94%;最大效率值由15.6%提高至21.5%。可为小型水轮机的理论和试验研究提供支持。     

圆柱面过盈连接的力学特性及设计方法

传统的圆柱面过盈连接设计将结合直径、结合宽度等因素视为定量,并且忽略边缘效应所引起的应力集中。为解决此问题,更好地研究圆柱面过盈连接的力学特性,寻求更合理的设计方法,结合有限元法和BP神经网络各自的优势,以ABAQUS为工具分析圆柱面过盈连接接触面的应力特性及结合直径、结合宽度、包容件外径及过盈量等因素对它的影响,将通过分析得到的大量接触边缘最大应力作为神经网络的训练样本,建立接触边缘最大应力的BP神经网络模型。将接触面应力的各种影响因素视为可调变量,结合接触边缘最大应力的BP神经网络模型,提出一种以接触边缘最大应力为优化目标的圆柱面过盈连接设计的BP神经网络动态调整算法。通过实例分析,表明该算法比传统的设计方法更为合理。