最小二乘支持向量机在U71Mn高锰钢表面粗糙度预测模型中的运用

获取了U71Mn高锰钢在特定主轴转速n、进给量f、铣削深度ap、铣削宽度ae加工条件下的表面粗糙度Ra的原始数据。基于留出法原则将原始数据依次随机分为两组,一组为训练集用于训练U71Mn高锰钢的预测模型;另一组数据为验证集用于验证模型,并且通过机器学习性能评价指标来确定模型的最终预测精确率。通过实际建模对比发现最小二乘支持向量机预测模型其拟合以及预测精度明显高于传统多元线性回归模型。最小二乘支持向量机(LSSVM)通过对原支持向量机算法(SVM)进行了算法改进,在算法中把原求解Lagrange乘子α不等式约束的二次规划(QP)问题,转化为等式约束即求解线性方程组,显著减少了计算机运算的时间复杂度。并且通过寻求结构化风险最小提高了学习机的泛化能力,在观测样本数量较小的情况下,容易实现经验风险和置信范围的最小化,使模型对未知样本有良好的鲁棒性与预测精度。     

基于相位偏折术和图像处理的表面缺陷检测

针对工业产品中类镜面透明物体表面缺陷检测的问题,研究了基于相位偏折术和图像处理结合的检测方法;采用格雷码和四步相移法解算反射条纹图的绝对相位,将绝对相位转换为梯度后可视化即可得到缺陷图;分析缺陷图中后表面干扰产生的原因,提出采用图像处理的方法消除后表面反射干扰;该方法能保留前表面缺陷,过滤后表面干扰;实验结果表明,文章所提方法能够实现对类镜面透明物体表面缺陷检测,效果较传统明场检测有较大提升.     

基于改进的粒子群优化神经网络粗糙度预测模型

神经网络算法在金属零件加工表面粗糙度预测中有着广泛的运用,但是尚存网络初始化及梯度弥散这类"黑盒"问题.提出一种基于传统PSO-BP框架的改进模型,使用Xavier替代传统高斯分布初始化粒子群,在算法优化器方面使用最新的自适应矩限制取代随机梯度下降算法进行模型参数更新,经实际测试发现其训练集均方误差及其测试集绝对误差相...     

基于DE-Xgboost的U71Mn钢粗糙度预测模型

U71Mn高锰钢为我国铁轨主要原材料,当铣削参数配置不合理时易导致金属表面马氏体粗大造成加工硬化,难以满足使用要求;针对此问题使用M-V5CN铣削U71Mn高锰钢获取了1 000组切削数据集,建立了基于Xgboost算法的表面粗糙度预测模型,作为非线性模型其训练参数众多为最大化Xgboost模型性能,提出一种改进的混合编码DE算法进行模型超参数优化;模型建立完成后,经测试较未经优化的Xgboost最大误差下降7.4％,平均绝对误差下降11.7％,方差降低6.4％,且较主流DNN、GA-SVM模型性能提升明显可以更有效承担U71 Mn高锰钢粗糙度预测任务.     

柱塞连杆式卷取机扇形板温度应力与热变形分析

为研究无内冷的柱塞连杆式热轧卷取机扇形板表面龟裂问题,对比分析3种不同的外部冷却方案,运用ANSYS有限元分析软件对温度应力及热变形进行仿真.在连续卷取10卷后,分别对比第10卷卷钢结束、空冷1 s时、水冷结束时3个时间点的应力及热变形云图,说明少水冷方案在实际热轧过程中的优越性,为水冷工艺对扇形板龟裂的影响研究提供参...