基于神经网络和粒子群算法的切削参数现场实时优化

为了使金属切削加工中，能实现切削参数的实时优化，保证产品质量和设备效率，提出了一种新的切削参数最优化方法，引入加工时间、加工精度、加工成本三个目标控制量，建立了多目标非线性规划模型。并用惩罚函数法将多目标非线性约束规划问题转换成无约束非线性单目标规划问题。通过对神经网络和粒子群算法的有机结合，并充分利用了粒子群算法和BP网络各自具有的优点，对模型进行了求解。数值试验表明该方法能较好地解决切削参数的优化问题。     

基于改进的BP神经网络对切削参数的优化选择

为了在切削零件时能合理选择切削参数并充分发挥机床的效能,建立了改进的BP神经网络,用样本集来训练和检测BP神经网络.实现了对切削参数的优化选择和切除率的预测,为切削参数的选择提供了理论依据.实例表明,采用BP神经网络优选的切削参数进行加工,能明显地降低成本、提高生产效率.     

基于数据挖掘的切削参数优化

针对结构件数控铣削编程的切削参数选择的复杂性,提出了基于数据挖掘的切削参数选择和优化方法,通过影响因素分析和分类分析算法进行工艺参数影响因素的分析和建模,通过选取一定误差范围的数据记录,综合关联知识发现的规则进行切削参数优化,通过实例验证了方法的可行性.     

数控车削加工切削参数优化

汽车零件的大批量生产中,零件装配互换性高,加工质量要求严格,利润薄,在保证产品质量的前提下,提高加工效率是提高企业效益的有效途径.采用基于CBN刀具的硬车削加工新工艺,优化工艺参数,可降低工序加工时间,提高零件单班产量,降低工艺成本,提高综合经济效益.     

基于GASA混合优化策略的切削参数优化设计

优化切削参数是提高生产率，改进工件质量和降低成本的重要手段，本文利用GASA混合优化策略优化切削参数，即保留了传统遗传算法能很快达到最优值领域的优点，又通过结合模拟退火算法大大改善传统遗传算法在后期的收敛性。     

涂层刀具切削参数计算机辅助优化

国内外生产实践已经证明 ,涂层刀具具有优异的切削性能 ,推广和使用涂层刀具具有十分显著的经济效益。本文就是通过实验研究 ,为金属切削数据库提供一组有关涂层刀具切削副的优化数据 ,使涂层刀具的使用有数据可查 ,有理论可依 ,以便更好地发挥涂层刀具优异的切削性能。1　切削参数优化方法1)加工能力我们定义带成本因素的生产率为加工能力Ｐ ,如果不考虑加工成本 ,加工能力即为纯生产率Ｐ′ ,Ｐ′为单位切削宽度的金属去除率。Ｐ′ =ＭＲＲａｗ =ｖ·ｆ·ａｐａｗ =ｖ·ｆ·ｓｉｎｋｒ=ｖ·ｈｅ式中ＭＲＲ———金属去除率 (ｍ·ｍｍ2 /ｍ…     

球杆仪对数控机床切削参数的优化

主要利用球杆仪在不同的切削进给率下检测数控机床加工的圆度值,采用对比进给率和圆度值的折线图形的方法,分析了数控机床精度的差异,并进行切削参数的优化,提高了零件的加工精度,为从事数控机床编程与加工的人员提供了提高机械零件加工精度的措施。     

基于GA-BP的6061Al切削参数优化

针对6061Al铣削中表面粗糙度预测精度低、切削参数选择不合理的问题,提出一种基于遗传神经网络与遗传算法结合的优化模型,对6061Al切削参数进行优化。采用遗传神经网络(GA-BP)构建表面粗糙度预测模型;基于表面粗糙度预测,以材料去除率为目标函数构建切削参数优化模型;利用遗传算法进行优化求解,对6061Al切削参数进行优化。研究结果表明:所建预测模型表面粗糙度预测精度在97%以上;同时,优化模型能优化6061Al切削参数,达到较好的全局寻优效果,为铝合金工件铣削加工切削参数优化提供参考。     

基于BP神经网络数控机床切削能耗的研究

数控机床的能耗来源于工作时的电动机空载和切削过程中的负载消耗。分析切削过程中的切削速度、进给速度、切削深度等切削参数对数控机床能耗的影响;基于BP神经网络搭建数控机床能耗与切削参数的模型,简化了经验公式繁琐的计算过程;利用遗传算法对切削参数进行优化。对比试验表明:用优化后的参数进行加工,能明显地降低能耗,为加工过程能耗控制提供了一个良好的方案。     

基于灰色理论的切削参数优化系统

切削参数的合理选择是保证零件加工质量的重要环节.应用灰色系统理论,用不完全、不确定的少量数据建立切削参数预测的GM(1,4)模型,可对切削参数进行较准确的分析预测.实际应用结果表明,该模型对切削参数的预测精度高.     

基于人工神经网络技术的注塑成型工艺参数优化

研究了人工神经网络技术在注塑成型工艺参数优化中的应用,通过建立基于神经网络的压力、温度模型以及优化工艺参数的目标函数,实现了基于人工神经网络技术的注射成型工艺参数优化;并将其应用于华中科技大学模具国家重点实验室开发的注塑成型CAE系统HsCAE 3DRF中,取得了良好的效果。     

基于CAE注射成型工艺参数的优化

采用UG软件对储物盒进行三维造型,应用CAE软件MoldFlow对实例进行网格划分,采用正交试验分析注射成型过程中充填、保压及翘曲变形等关键因素,得到合理的注射工艺参数,从而优化模具结构,缩短产品开发周期,提高注射产品质量。     

基于正交试验法的切削参数优化研究

在数控加工中,切削三要素对加工质量的影响很大,在加工前应找到满足零件质量要求的切削三要素的最佳组合。采用正交试验法分析切削三要素对表面粗糙度的影响,该试验是一个3因素3水平单指标的试验,使用方差分析法进行分析。通过试验,得到了三要素对表面粗糙度的影响规律以及满足加工要求的三要素的最优组合。     

基于CAE技术的上冠铸件冒口优化

用数值模拟的方法,计算并对比分析了不同冒口种类下上冠铸件的凝固过程。根据液相分布的动态过程分析了不同冒口方案下铸件本体中缩孔倾向,最后采用优化的工艺进行生产,其产品顺利通过无损探伤检验。     

基于正交实验和CAE技术的梳子注射成型工艺参数优化设计

注射成型工艺参数是影响塑件质量的主要原因,文章以PP塑料成型梳子为例,采用正交实验设计技术与MoldFlow数值模拟技术相结合,优化梳子成型工艺参数,大大减少调整工艺参数次数,节约原料。     

基于CAE的外壳件优化设计

近年来,CAE有限元分析快速发展,它改变了传统机械加工的粗放型发展模式,在先进制造业中起到重要的作用。本文以一款中等复杂塑件为主线,浅谈了一些CAE分析的基本流程,介绍了CAE在模具优化设计中的基本过程,以获取更高的性价比。     

基于CAE和BP网络的注射成型质量预测

在数值仿真和实验设计方法获得的样本数据基础上,利用BP网络在并行计算和数值逼近上的优势,获得了工艺参数与各质量指标的非线性映射关系,进而实现了在工艺因素变化情况下能快速、方便地预测出注射成型的质量。研究表明,在误差许可的范围内,经训练的神经网络模型可以实现对制品质量的正确预测,预测模型也可直接用于指导企业的在线生产或优化。     

基于DEFORM的刀具几何参数与切削力关系的研究

切削力是切削过程中重要的参数之一,它对工件的加工精度、加工所消耗的功率及刀具的磨损程度等方面都有着重要的影响。影响切削力的因素是多方面的,如工件材料的性能、刀具的几何参数、切削用量的影响、切削液的使用情况等等[1]。文章以镍基合金为切削载体、以DEFORM为仿真平台,建立切削仿真模型,研究了刀具角度对切削力的影响,仿真结果与实际切削过程一致,验证了仿真的有效性,从而为研究者提供了一种实验成本低、实验时间短的方法来确定切削刀具工作角度。     

高温合金高速切削性能分析及参数优化

对铁基高温合金切削过程进行有限元建模和动态数值模拟,并结合高速切削试验平台,通过多元正交试验分析切削参数对切削力及刀具磨损的影响规律,得到基于切削用量的切削力和刀具寿命预测模型。最后应用遗传算法对切削参数进行合理选择与优化,试验所得数据为镍基合金高速切削工艺参数的选择提供了参考和依据。     

基于EBF神经网络的引射器结构参数优化

为提高氢燃料电池引射器的性能,以额定工况下氢燃料电池引射器为研究对象,提出一种基于椭球基(EBF)神经网络模型和非线性序列二次规划(NLPQL)算法的引射器结构参数优化方法。基于正交试验,建立EBF神经网络模型,描述引射器结构参数与引射系数间的非线性关系;通过引射系数模拟值与代理模型预测值的对比以及复相关系数,验证了代理模型的精度;最后,应用NLPQL算法进行全局寻优,获得使引射系数最大的结构参数组合,并进行模拟验证。研究结果表明：基于EBF神经网络和NLPQL算法,提高了燃料电池引射器的引射系数,相对于正交试验方案最大值,引射系数提高了3.9%。基于正交试验设计和EBF神经网络的方法,可以扩大引射器结构参数研究范围和水平,节约CFD模拟计算时间。