基于BP神经网络的槽类特征铣削加工方案决策和刀具优选

为实现CAPP系统中零件特征加工方法的智能决策,完成加工结果相互关联的特征加工方案选择,利用BP神经网络算法对槽类特征加工方法和刀具选择进行智能决策,建立了从输入到输出的网络决策模型,并对网络结构、参数确定问题进行阐述。通过正交表选取试验样本,运用带有自适应lr的梯度下降算法来训练网络,最后通过实例验证了该网络的有效性。结果表明,利用BP神经网络进行零件加工方法的选择和刀具优选是可行且有效的。     

基于改进BP神经网络面向STEP-NC 2.5D制造特征的智能宏观工艺规划

智能工艺规划是实现智能制造的关键技术。面向新型NC编程数据接口国际标准STEP-NC(STEP-compliantnumerical control, STEP-NC),一种基于改进BP神经网络面向STEP-NC 2.5D制造特征的智能宏观工艺规划方法被提出。在该方法中,用于STEP-NC 2.5D制造特征加工操作方法决策的集成BP神经网络模型首先被建立。考虑到BP神经网络容易陷入局部最优和收敛速度慢,将混沌算法、遗传算法和BP神经网络算法相结合得到用于加工操作方法决策的改进的BP神经网络。在此基础上,将零件的加工信息归一化处理后输入到改进的神经网络中,进而实现了STEP-NC 2.5D制造特征加工操作方法的智能生成。最后,通过实例验证了该方法的有效性和可行性。     

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.     

模糊神经网络在智能攻丝控制系统中的应用研究

采用人工攻丝策略,建立了智能攻丝控制系统模型及用于处理攻丝信号的模糊神经网络计算模型,利用神经网络的自学习和自适应能力自动调整攻丝模糊系统参数,并结合BP算法对网络进行训练.使用人工攻丝过程的经验数据进行神经网络的学习和测试,使系统误差满足控制要求,验证了算法的有效性和可行性.     

基于聚类算法及BP网络的零件族构造方法研究

为解决多品种小批量产品的零件成组设计与加工的问题,提出了基于编码的K-means聚类算法和有效性指标的已有零件成组,以及利用BP网络法实现新零件归族的方法来构造零件族的方法。建立零件聚类成组的数学模型,利用函数指标来检验零件成组的有效性并得出最佳聚类族数。利用神经网络算法来进行零件分组的BP网络训练,通过训练后的网络对新的零件进行仿真,从而实现新零件的匹配。通过实例证实该方法可准确构建相似件的零件族。     

混合决策的动态工艺规划系统

为了提高CAPP系统的实用性、柔性和动态适应性,提出了一种混合决策的CAPP系统体系结构.利用基于特征匹配和特征属性匹配的两级实例检索方法,得到实例库中与待加工零件最相似已有零件的加工特征排序和加工方法.为了进一步得到符合车间生产条件的工艺计划,研究了计算机辅助工艺规划和生产计划与控制系统集成过程中出现的加工资源选择问题,并利用BP神经网络以及相关算法实现了二者集成过程中的加工资源决策,以提高CAPP系统的动态适应性.结果表明:综合利用实例检索和加工资源动态决策的方法,既可以保持CAPP系统的实用性,又可以提高CAPP系统的柔性和动态适应性.通过实例,详细介绍了基于混合策略的动态工艺规划系统的工作机制.     

基于特征与遗传神经网络的飞机结构件数控加工工时预测方法

为了解决在没有数控程序的情况下快速准确的预测飞机结构件的数控加工工时,提出了一种基于特征与遗传神经网络的数控加工工时预测方法。提炼各类特征的加工工时影响因素并建立特征样本库,为每种加工特征构建BP神经网络;针对BP神经网络极易陷入局部极小值、收敛速度慢、网络参数难以确定等问题,结合遗传算法优化BP神经网络。建立了5种神经网络结构,通过调用相应的网络预测每一类加工特征的加工工时,进而形成每一工步的加工工时,累加零件所有工步的加工工时得到零件整体的加工工时。应用该方法预测零件整体的加工工时误差在5%以内。     

基于神经网络的旋转机械振动故障诊断

介绍了一种通过神经网络算法进行故障诊断的方法,神经网络的输入为通过对转子模拟信号进行傅里叶变换得到的典型频谱特征,将旋转机械不对中、不平衡、碰摩、涡动四种典型的故障作为网络的输出.首先用传统的BP网络算法进行诊断,得到故障诊断的精度,再将模糊理论与神经网络相结合,取长补短,组成模糊神经网络,对故障进行识别,从而得出模糊神经网络在模式识别方面具有更大的优越性的结论.     

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神经网络的除尘风机振动故障诊断

将BP神经网络技术引入到大型除尘风机的振动故障诊断中结合神经网络的结构分析了其工作原理和算法.通过一个设备故障实例,利用神经网络对设备的故障特征和测试信号等数据进行学习和训练,模拟了专家对故障所进行的推理、判断和决策,从而获得了正确可靠的诊断结论.测试结果表明:文中建立的BP神经网络对训练的特征样本进行模式识别具备了很高的准确率,实现了诊断分析的智能化.