混合驱动水下滑翔机动力学建模与海试研究

从能量的角度出发,引入黎曼几何和仿射联络,基于微分几何理论建立混合驱动水下滑翔机动力学微分几何模型。基于上述模型,分析混合驱动水下滑翔机系统驱动方式、姿态调节方式及其航行过程中所受外部力与力矩作用,同时针对目前所研制的混合驱动水下滑翔机纵垂面"之"字形剖面滑翔运动进行数值模拟分析,得到控制输入量与混合驱动水下滑翔机运动特性之间关系,并将数值模拟结果与南海试验数据进行对比,验证了该动力学微分几何模型的有效性,为改善混合驱动水下滑翔机系统设计及其动力学行为预报提供参考依据。     

一种全液压钻孔挖掘多用机液压系统的设计与开发

以现代挖掘机为主机设计了钻孔挖掘多用机液压系统,主要包括冲击回路、回转回路、推进回路。从可360°旋转的铝型材推进梁、高效率的液压凿岩机YYG150、高可靠性螺纹插装式集成方式的使用上说明该机具有机动性好、高效节能、结构紧凑的特点。实际试用表明:该机液压系统设计符合要求,具有较大的推广价值。     

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。     

基于人工神经网络的电火花加工工艺建模方法研究

电火花加工是一个受多参数影响的复杂随机过程,很难建立一个适当的机理模型。用神经网络技术以铜加工SKD-Ⅱ为例建立了电火花加工工艺模型,并依据工艺样本中各参数数据的不同特点采用了不同的预处理方法,测试表明效果较好,所建模型能精确地预测出给定条件下的加工工艺参数,反映了该机床的加工工艺规律。另外,采用石墨加工SKD-Ⅱ工艺数据验证了该方法的通用性及有效性。     

实验与数据混合驱动的喷墨打印电子电路质量预测研究

当前,喷墨打印在制造电子电路过程中,工艺参数对印制电路的导线线宽和电阻影响尚未明确,这会导致在实际生产过程中难以配置最优工艺参数组合,从而降低产品的最终质量。针对此问题,基于GA-BP神经网络对喷墨打印电子电路的导线线宽和电阻进行了精确预测与优化。首先,通过探究神经网络的神经元个数与模型均方误差的关系,建立了适用于喷墨打印电路导线线宽与电阻的GA-BP神经网络;其次,采用全因子实验的方法,获取基板温度、打印速度、打印层数和延迟时间对印制电路导线线宽和电阻的影响,此外,对比分析BP和GA-BP神经网络对于电路导线质量的预测精度并确定了打印参数对质量的拟合方程;最后,通过遗传算法对导线线宽和电阻进行工艺参数优化,并对二者的优化结果进行实验验证。实验结果表明,导线线宽和电阻的测量值和预测值的相对误差在5%之内,该模型能够准确实现对电子电路质量的预测与参数优化,从而提升电路质量,为产品的研发设计提供了有力参考。     

面向水下作业的水液压机械手研究与展望

水液压技术在水下作业环境中具有鲜明的技术优势,在海洋探测、海洋资源开发等领域具有广阔的应用前景。水下机械手是执行水下作业任务的重要工具,将水液压技术应用于水下作业机械手,可降低水下机器人-机械手系统的复杂程度、提高性能上限。通过阐述当前国内外各研究机构针对不同应用场景所研制水下机械手的结构特点、研究水平和商业化发展现状,对比分析不同驱动形式的优缺点及其对水下机械手性能和设计要点的影响,得出水液压驱动水下机械手是当前水下作业工具的最佳选择。在此基础上分析了水液压机械手设计中需解决的摩擦与润滑、材料、动力学模型、运动控制等关键技术问题,最后对水液压机械手未来发展的趋势进行了展望,以期为相关研究提供参考。     

面向激光加工的自适应测量和神经网络方法

基于测控与激光加工一体化装备 ,在自适应测量的过程中不仅得到测点的位置 ,还得到测点的姿态。利用测量所得到的位姿数据训练神经网络 ,并由神经网络直接生成加工轨迹数据。这种方法 ,不涉及CAX过程 ,使测量和加工紧密结合 ,并且具有智能特性     

基于数据驱动的发电机组软测量建模方法优化研究

针对发电机组中部分难测准参数的软测量及已测量参数的准确性校验等应用问题,提出了融合广义神经网络(GRNN)和B样条偏最小二乘回归(PLSR)各自优势的数据驱动软测量建模新方法NN-PLS。该方法先采用了GRNN对由机理分析初步选定的建模变量预建模,考察了各参变量对因变量的平均贡献率,并筛选得出了主要建模参数,然后采用B样条PLS对筛选后的变量建模,从而得出了简化、可靠的模型,最后以联合循环电厂的实测数据为样本进行了建模。研究结果表明,NN-PLS方法对不同工况下测量参数拟合准确、精度高、模型泛化能力强,同时由于该模型需要保存的参数相对较少,更适合作为解决上述在线问题的模型。     

车辆的液压驱动系统建模与仿真技术研究

本文首先分析了国内外车辆液压驱动系统发展状况,重点展开对车辆的液压9区动系统进行了详细分析与仿真。首先对液压驱动系统的受力情况进行建模和分析,得出了受力关系式。然后以此为基础,建立了仿真模型,并对仿真模型进行了分析验证。结果表明分析结果与实际性能一致。     

基于遗传算法优化灰色神经网络的机床主轴热误差建模研究

针对机床主轴热性能对加工精度产生影响的问题,对机床主轴热误差建模方向进行了试验研究。以数控磨床主轴为研究对象,通过热特性试验获得了阶梯转速下的温度变化数据和热误差数据,对温度数据进行了模糊聚类分组,并采用相关系数法选出了温度敏感测点;通过对灰色神经网络初始参数进行优化,建立了遗传算法(GA)优化的灰色神经网络热误差预测模型;在该模型中,以灰色神经网络的预测输出和实际值的绝对误差作为遗传算法适应度函数,以平均相对误差作为预测模型的评价标准,并与灰色神经网络、BP神经网络预测结果进行了对比。研究结果表明:该预测模型具有更高的预测精度,通过GA对灰色神经网络的初始参数进行优化,可有效地提高网络的预测精度,更好地用于热误差补偿系统。     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

一种高速数控机床电主轴表面温度智能预测方法

电主轴是高速数控机床核心功能部件,电主轴损坏基本是电主轴发热引起的.电主轴温度场具有复杂的非线性特征,神经网络在处理非线性系统温度预测方面得到了广泛的研究,神经网络与传统模型相比具有更好的适时预报性和持久性.论文利用遗传算法优化BP神经网络建立电主轴表面温度预测模型.预测结果表明,未优化的BP神经网络与遗传神经网络预测误差相对比,遗传神经网络对电主轴表面温度预测具有更高的预测精度和稳定性.     

应用于加工中心的钻削用量确定方法

提出一种适用于加工中心的钻削用量确定方法,分析了钻削用量与刀具耐用度的关系,介绍了钻削用量（包括钻削深度、进给率和钻削速度）的选取方法,并给出了计算实例。     

基于BP神经网络的破碎机主轴系统参数优化

为了优化破碎机主轴系统的主要工作和结构参数,采用离散变量型正交试验法得到部分参数水平组合,并利用有限元分析软件ANSYS进行分析,得到在这些组合下主轴系统各个性能指数,应用层次分析法和综合评价法得到了主轴系统的综合性能指数,用以上数据训练反向传播(BP)神经网络,并利用完成训练的BP神经网络,预测在其余参数水平组合下的主轴综合性能数指数。根据主轴系统性能指标,优选出利于提高破碎机主轴系统的综合性能的结构和工作参数水平组合,实现废金属破碎机主轴系统参数优化。     

基于模糊理论、遗传算法和神经网络的切削参数混合智能优化

提出一种基于模糊理论、遗传算法和神经网络的混合智能优化技术,给出优化目标的优化数学模型,详细叙述了遗传算法的寻优过程,模糊理论的应用及神经网络的训练和学习获取优化切削参数的技术,并给出各种优化目标下的切削参数混合智能优化与普通搜索方法的对比实例。     

水下接近觉及多目标定位方法研究

针对水下环境下作业,根据水下超声传播与反射原理研制了一种新型接近觉传感器。本文详细介绍了水下接近觉的工作原理及组成,并对基于此传感器的多目标定位进行了仿真研究;与目前国内外所采用的几何相交定位技术不同,本文所采用BP神经网络定位方法突破了目前方法中定位目标数目的限制,通过区域模糊定位和角度精确定位的两类仿真实验表明了所采用方法的有效性及定位精度。     

[绿色制造工艺和系统]面向节能高效需求的数控加工系统多目标优化模型

针对数控加工系统复杂的多源动态能耗特性,提出了一种基于单元工作状态的能耗建模与优化方法。首先,对数控加工系统能耗单元及其工作状态的能耗特性进行分析,建立了时变能耗单元和非时变能耗单元的工作状态能耗模型;其次,构建以切削速度和进给量为变量,以最小系统能耗和最短加工时间为目标的数控加工系统节能高效多目标优化模型,提出一种基于小生境遗传算法的模型求解方法;最后,通过某机床中心架底座加工案例对所提方法和模型进行了验证,并对优化结果、算法性能进行了对比分析,说明了上述模型和方法的有效性。     

基于智能技术的电火花加工过程建模和参数优化

根据电火花加工工艺特点 ,建立基于遗传算法的加工过程人工神经网络模型 ,实现加工结果的预测。根据预测结果 ,在保证表面粗糙度要求的前提下 ,以最大加工速度为目标 ,用遗传算法实现加工参数的优化。实验结果表明以上算法可有效解决电火花加工条件优化的问题 ,自动生成加工参数 ,而且收敛速度较快 ,满足机床控制的要求。     

电火花线切割中计算智能集成方法的应用与实现

针对控制复杂、难以精确描述数学模型的复杂加工过程，提出集成遗传算法和人工神经网络的多目标优化方法。把加工工艺参数和工艺指标参数分别看作神经网络的输入和输出，建立相对精确的数学模型，随后借助训练好的神经网络和遗传算法来优化加工参数。由于该方法解决了适应度函数难以获得的问题，为复杂过程多目标优化提供了强有力的工具。在电火花线切割中的应用验证了该方法的可实施性和有效性。     

一种改进的PSO-BP算法在液压系统故障诊断中的应用

液压系统故障诊断中采用BP神经网络进行故障的模式识别,存在着收敛率较低的问题。结合粒子群算法和BP算法各自的优势,提出了一种基于改进的PSO-BP液压系统故障诊断方法。对标准粒子群算法的惯性权重和学习因子进行改进,再对BP神经网络的权值和阈值进行优化,达到改善BP网络性能的目标。仿真结果表明该方法提高了BP网络的收敛率,减小了诊断误差。