用BP神经网络预测数控铣削变形

铣削变形问题一直是影响薄壁件加工精度的瓶颈问题。由于引起铣削变形的因素较多以及铣削过程本身的复杂性,使得铣削参数与变形量之间的关系很难用准确的解析式来表示。因此借助神经网络的非线性映射能力,建立了变形量与铣削参数之间的非线性映射模型。结果显示:所建立的神经网络模型具有较高的精度和良好的泛化能力。该研究为进一步的铣削参数优化提供了保障。     

基于多岛遗传算法的薄壁齿圈装夹变形优化研究

针对薄壁齿圈装夹时装夹变形的问题,对夹具元件的结构参数和施加的夹紧力进行了优化,提出了采用多岛遗传算法对夹具结构参数和夹紧力的同步优化方案。通过ABAQUS软件对齿圈装夹变形进行了有限元分析,得出了变形量,将ABAQUS软件优化算法在Isight中进行了集成;以装夹变形量最小为目标函数,装夹过程中夹紧力和夹具结构参数为变量,通过多岛遗传算法对薄壁齿圈夹紧力和夹具结构进行了同步优化,得出了使薄壁齿圈装夹变形最小的夹紧力及夹具结构参数。研究结果表明:优化后装夹变形量减小93.38%,有效地降低了因夹紧力施加不当以及夹具结构不合理引起的变形,对于后续的加工精度有了明显的改善,验证了多岛遗传算法对于齿圈装夹变形优化的可行性。     

人字齿圈防变形调质

具体介绍了大型人字齿圈在热处理调质中将产生的变形趋向,以及在工艺和操作上采取的措施.     

基于BP神经网络的电梯增长量预测研究

电梯增长量数据的预测可以为行业的管理部门和市场主体提供重要的决策依据。鉴于此,通过对影响电梯数量增长的相关因素进行分析,总结出6个影响电梯增长量的主要因素。运用BP神经网络构建电梯增长量预测模型,以实际某地市为例,结合国家统计局的数据,分析预测值相较于实际值产生的误差,判断构建的模型是否可靠。实验结果表明,预测值和实际值之间匹配度较高,误差范围控制在3%以内,该模型能高精度地预测该地区某年的电梯增长量。     

基于BP神经网络的铣齿切削功率计算方法研究

通过对物理样机的实验测量,借助MATLAB神经网络工具箱,将BP神经网络的理论和算法应用于铣齿功率建模的研究中。通过铣齿切削试验获取训练样本,对齿轮铣削功率的网络模型进行训练和测试。结果表明,人工神经网络能较准确地预测铣齿功率的大小,解决了传统经验公式误差较大的问题,为铣齿机床的传动设计提供了依据。     

基于BP神经网络的倾斜情况下鼓形齿载荷增量模型研究

鼓形齿齿式联轴器允许轴间有一定倾角，但在倾斜情况下它的载荷变化往往被忽略，这对联轴器的使用是很不利的，分析了鼓形齿在无倾斜情况和倾斜情况下沿齿宽方向的载荷分布的规律，利用BP神经网络的非线性映射特性，建立了鼓形齿在倾斜情况下的载荷增量BP神经网络模型。并给出了模型仿真曲线。     

基于BP神经网络预测的马铃薯晚疫病预测系统

马铃薯晚疫病是对马铃薯种植危害最大的病害之一,这种病现在还没有很好的根冶办法,只能以预防为主.BP神经网络在预测控制中有着极其广泛的应用,本文首先介绍了BP算法及网络隐含层与结点数的相关问题,然后说明了利用神经网络预测实现的马铃薯晚疫病预测系统,系统采用BP神经网络算法,以气象数据等作为预测的输入,达到预测马铃薯晚疫病流行程度的目的.     

基于ABAQUS的齿圈车削数值模拟研究

齿圈为传动系统中典型高精度弱刚度,本文针对该典型零件建立了三维有限元模型。工件采用了弹塑性材料模型,而刀具采用刚性材料模型,利用商业化软件ABAQUS,对所建立的模型进行了有限元分析,得到了齿圈车削时切屑的形成过程、切削热的分布以及切削力变化规律,将部分结果与理论规律做了比较,发现他们是吻合的。     

基于BP神经网络模型的道路交通噪声预测

本文通过分析影响公路交通噪声的各种因素,并利用实测样本数据,建立了一个公路交通噪声预测的神经网络模型。并运用该模型预测道路交通噪声的等效声级,把预测因子作为样本输入到网络模型,噪声等效声级作为样本输出。且将其与实际数据相比较,发现神经网络模型的预测值准确度很高。该模型为公路交通噪声的预测、治理和控制提供了良好的条件。     

基于有限元方法的陀螺框架装夹变形分析

基于ANSYS建立了陀螺框架装夹变形的有限元分析模型,对工件装夹方案、夹紧位置与变形的关系以及夹紧力与变形的关系进行了仿真优化分析。基于有限元分析结果,给出了最优的装夹方案、夹紧力的大小范围和施加位置。这种基于有限元的工件装夹变形分析方法对夹具的设计有一定的指导意义。     

基于BP神经网络的磨削温度预测

磨削温度是评价磨削过程的一个重要指标,利用BP神经网络良好的非线性映射功能,以磨削用量(砂轮线速度、工作太速度和磨削深度)为输入,以磨削温度为输出,建立了磨削温度的BP神经网络预测模型。并通过仿真验证了模型的正确性,为磨削温度的预测提供了一个简单可行的方法。     

基于BP神经网络的物流预测方法

针对传统物流预测方法的局限性，研究了基于BP模型神经网络的物流预测方法，即依据历史数据建立BP神经网络对其进行训练形成物流预测模型。阐明了神经网络具有记忆、学习功能，能够很好地模拟物流发展趋势。大量预测结果的准确性表明基于神经网络的物流预测是一个行之有效的方法。     

基于BP神经网络预测制造企业安全库存的研究

设置安全库存的目的在于预防需求或供应方面不可预料的波动,避免造成生产或供应中断。运用BP神经网络建立R公司原材料安全库存预测模型,再进行Matlab函数仿真,从人工智能的角度预测原材料库存,从而减少企业库存,降低企业制造成本,提高竞争力。     

基于有限元的大型风电齿圈制造技术的研究

从制约齿圈制造加工的瓶颈--热处理与机械加工的前后关系入手,从多学科的角度出发,应用有限元分析方法对齿圈进行热处理仿真,提出应用试样分析、热处理动态仿真分析相结合的方法来解决齿圈加工过程中热处理对其机械加工影响等问题,极大地提高了大型齿圈的加工效率与制造精度.     

变厚度齿圈柔轮空间变形规律研究

鼓形齿可改善齿面间的啮合状态,提高谐波齿轮的负载能力.为揭示鼓形径向修形形成的变厚度齿圈柔轮的变形规律,提出了变中面半径齿圈的空间变形理论计算方法.推导出轴向中面半径变化的齿圈中线的径向、周向及转角位移公式.建立了包含真实齿廓的参数化实体单元杯形柔轮有限元模型,通过接触分析计算了齿圈轴向前、中、后横截面内的中线变形;齿圈各截面的有限元结果与理论值吻合良好.通过与等厚度齿圈模型对比,研究了变厚度齿圈的空间变形特征.结果 表明,变厚度齿圈加剧了母线的非线性特征;从中截面到后截面的长轴区母线和从前截面到中截面的短轴区的母线非线性特征更显著.     

基于BP神经网络的销售预测分析系统

销售预测是企业预算管理的基础,对企业的发展和正常生产有着非常重要的作用。首先建立了一套销售预测分析模型系统,对销售历史数据进行统一管理,利用销售预测分析模型给出预测结果报表。同时,建立了基于BP神经网络的预测分析模型。最后,将该系统在某电器厂进行应用,并通过与传统预测方法指数平滑法的比较,验证了该系统的实用性和预测模型的准确性。     

BP神经网络补偿热变形误差的研究

在精密加工中，由于热变形引起的误差占整个系统误差的40％－60％[1]，这说明对热变形进行深入研究和找出其规律并提出相应的补偿措施是十分必要的。本文是以CK616－1简易数控车床为实验对象，在对其热误差分析的基础上进行热误差建模，并结合改进的BP神经网络给出了具体实现的方法，对提高机床的加工精度有着极其重要的意义。     

多圈齿高速转子变形的解析法计算

用解析法分析了多圈齿沿周向排列的高速转子的变形，推导了计算径向位移的有关公式。所得结果为此类转子结构参数优化提供了依据。     

齿圈淬火裂纹和变形的防治

分析了风电轴承齿圈表面淬火变形和裂纹的原因和防治方法。对淬火工艺改进，取得了良好的效果。