基于神经网络的刀具位置误差建模与仿真研究

非球面加工过程中,刀具位置误差对加工工件精度影响较大。本文利用神经网络非线性映射特性来建立非球面超精密磨床刀具位置误差模型。利用模型对非球面加工时刀具位置误差进行预测。最后通过仿真结果表明,利用建立的神经网络模型可以对刀具位置误差进行高精度预测,并且根据预测误差,对刀具位置误差进行补偿成为可能。     

基于神经网络的刀具位置误差建模与仿真研究

非球面加工过程中,刀具位置误差对加工工件精度影响较大。本文利用神经网络非线性映射特性来建立非球面超精密磨床刀具位置误差模型。利用模型对非球面加工时刀具位置误差进行预测。最后通过仿真结果表明,利用建立的神经网络模型可以对刀具位置误差进行高精度预测,并且根据预测误差,对刀具位置误差进行补偿成为可能。     

基于神经网络的刀具位置误差建模与仿真研究

非球面加工过程中,刀具位置误差对加工工件精度影响较大.本文利用神经网络非线性映射特性来建立非球面超精密磨床刀具位置误差模型.利用模型对非球面加工时刀具位置误差进行预测.最后通过仿真结果表明,利用建立的神经网络模型可以对刀具位置误差进行高精度预测,并且根据预测误差,对刀具位置误差进行补偿成为可能.     

多轴多工位数控机床加工精度误差预测方法研究

预测加工精度误差可以提前发现误差并采取相应的措施，减少废品和次品的产生，从而提高产品质量。基于此，本文以德国的“DMG”(DMG-100P)数控机床作为案例，研究了多轴多工位数控机床加工精度误差预测方法，采用模型对机床加工过程中的误差进行了预测，并进行了实验验证。研究方法包括数据采集、神经网络模型构建与预测、实验验证等。研究结果表明，所建立的模型能够较为准确地预测多轴多工位数控机床的加工精度误差，为提高机床加工精度和效率提供了有价值的参考。     

基于残差函数主成分的相依函数型回归模型估计及金融应用

本文研究具有相依特征的函数型数据的函数表示方法及其回归模型的估计方法。首先基于分整理论提出基于残差函数主成分的函数表示方法,然后利用残差函数主成分对回归系数函数正则化表示,最后把函数曲线和回归系数函数代入相依函数型回归模型进行估计,并通过蒙特卡洛模拟和金融实例分析来评估参数估计和样本外预测的准确性。研究发现,相比现有的基于协方差函数和长期协方差函数的函数主成分估计方法,本文提出的基于残差函数主成分的估计方法具有良好的有限样本性质,回归系数函数估计更准确、样本外预测效果更好;基于高频数据的股市开盘价预测实证研究表明本文方法的样本外预测精度最高。与现有方法相比,本文提出的基于残差函数主成分的估计方法,既考虑函数型数据的相依特征,又避免长期协方差函数估计时面临的核函数和窗宽选择问题,为经济金融等领域具有相依特征的函数型数据提供一种函数表示方法,丰富函数型回归模型理论,为其他函数型回归模型的拓展提供借鉴。     

基于深度学习的MSSD目标检测方法

文章提出了一种基于深度学习的MSSD(Modified Single Shot multibox Detector)目标检测方法。文章阐述了SSD方法的模型与工作原理,SSD方法采用多尺度的特征图预测物体,使用具有较大感受野的高层特征图预测大物体,具有较小感受野的低层特征图预测小物体。使用的低层网络的特征图预测小物体时,由于缺乏高层语义特征,所以导致SSD对小物体的检测效果较差。文章提出了一种MSSD模型,把原有的VGG网络替换为深度残差网络,采用了特征金字塔网络模块对高层语意信息和低层细节信息融合,并通过1 000张图像数据集测试,对比MSSD方法与SSD方法在目标检测上的物体检索能力与检测精度。结果表明,MSSD方法比SSD方法准确率高、速度快。     

基于GM(1,1)残差模型的铁路客运量预测

运用灰色GM(1,1)模型,对铁路客运量进行预测,再用GM(1,1)残差模型进行修正,得出精度很高的预测模型,结合实际统计数据对预测结果的精度进行检验。结果显示,GM(1,1)残差模型的预测结果比灰色GM(1,1)模型有更高的预测精度。基于此,对2009~2014年广西壮族自治区铁路客运量进行预测。     

基于模糊C-均值聚类算法的刀具磨损预测研究

本文将模糊C-均值聚类算法应用到了的刀具磨损预测方法中,以振动信号作为特征信号,通过具体检测实验在不同转速下跟踪采集刀具磨损各阶段的振动信号,然后求出信号的时域特征值作为预测样本值,通过模糊C-均值聚类算法对待测样本进行划分类,利用欧几里得贴近度法最终实现刀具磨损预测。结果表明,预测结果与刀具实际磨损状态相符,模糊C-均值聚类算法通过振动信号有效地分类刀具磨损模式。     

灰色系统模型的热计量表市场需求预测研究

本文根据热计量表市场的特性,采用灰色系统理论对市场需求进行预测,建立灰色系统GM（1,1）模型,并通过残差检验的方法验证了模型的正确性和较高的精度。基于热计量表行业2006年到2012年的销售量来对未来五年的需求加以预测。     

切削参数与刀具磨损对振动和声发射信号的影响

振动和声发射信号是两种比较理想的刀具状态监测信号,本文采用正交试验方法在不同工艺条件下对Ti6Al4V进行切削加工,采集振动和声发射信号并提取其均方根值,通过极差分析等方法研究切削参数和刀具磨损对信号的影响规律,结果表明:在本研究切削用量范围内,即71m/min≤v_c≤109m/min、0.09mm≤f≤0.13mm、0.6mm≤a_p≤1.0mm,对于振动信号,可以通过提高切削速度,减小进给速度和切削深度来减小振动;对于声发射信号,提高切削速度、增大切削深度和进给速度都会导致声发射信号的加强,而刀具磨损量的增加使得声发射信号减弱。     

涂层刀具摩擦磨损研究

涂层刀具已成为现代刀具的重要标志,涂层刀具可以提高加工效率、提高加工精度、延长刀具使用寿命、降低加工成本,将是今后数控加工领域中最重要的刀具品种。这里讨论了国内外涂层刀具的种类及切削应用情况,并对涂层刀具的摩擦磨损,发展及应用状况进行了综合评述。     

淬硬钢材料高速切削过程的有限元仿真

基于对切削原理的深入研究,建立了金属切削过程的热力耦合有限元模型。基于DEFORM-3D软件平台,模拟了金属切削加工过程,得到了刀具和工件上的等效应变、温度场、刀具磨损的分布规律,仿真结果同实验对比分析误差在10%以内。     

GMADM-based attributes selection method in developing prediction model

Attribute Selection is an important issue for developing a prediction model, however, how to determine an effective attribute selection algorithm is an important but difficult issue. Attribute selection can effectively delete the irrelevant and redundant attributes to increase the prediction accuracy, and evaluating attribute selection methods usually need to consider several criteria such as accuracy, type I error, and type II error. In this paper, the selected attribute process is modeled as a group multiple attributes decision making (GMADM) problem. In evaluating different GMACD methods, the most results usually are consistently, But there are some situations where the evaluated outcomes have different results. The GMADM method is useful tool for evaluating attribute selection algorithms, and the TOPSIS is capable of identifying a compromised solution when different GMADM method result in conflicting rankings. Therefore, this paper proposes an objective (persuasive) GMADM-based attributes selection method to solve this disagreement and help decision makers pick the most suitable method. After verification, the proposed model is more persuasive to evaluate the attributes selection methods for developing prediction model.     

基于BP神经网络的西安市宏观经济预测

宏观经济系统是一个复杂的非线性系统,对宏观经济进行预测应采用非线性的工具进行建模。采用BP神经网络对西安市宏观经济指标进行预测,此预测模型只需少量训练样本就可以确定网络的权值和阈值。实验表明模型预测精度高,能够对西安市宏观经济系统中的非线性关系进行描述,使建立的非线性模型与实际系统更加接近。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

数控机床的使用与管理

数控机床是一种高精度、高效率的自动化设备,是一种典型的机电一体化产品。本文力求在数控机床的使用要求、提高数控机床的加工效益、数控机床的管理等方面作必要的说明。     

数铣加工误差模型的研究

本文从影响加工误差因素和分类入手,将加工误差进行分类,然后选取主要影响因素进行分析讨论并逐次地建立出单因素加工误差数学模型,然后综合每种因素的加工误差,最后给出整体的铣削加工误差数学模型。     

略论数控车削加工典型零件加工方法

数控车床是一种具有高精度、高效率的自动化机床。其具有广泛的加工艺性能,可车削外回转表面、内回转表面、各种特型面及复杂零件等。本文主要阐述了怎样确定典型零件车削加工方案以及在加工过程中加工工序安排、进给路线的确定等方法。     

The pricing accuracy of alternative equity valuation models: Scandinavian evidence

In many decision contexts, there is a need for benchmark equity valuations, based on simplified modeling and publicly available information. Prior research on U.S. data however shows that the accuracy of such valuation models can be low and sensitive to the choice of model specifications and value driver predictions. In this paper, we test the applicability and pricing accuracy of three fundamental valuation (dividend discount, residual income, and abnormal earnings growth) models, all based on forecasts of company dividends, earnings, and/or equity book values. Extending prior research, we apply these models to Scandinavian firms with accounting data from the period 2005–2014, explicitly testing two approaches for the prediction of the value drivers—exogenously forecasted numbers versus projected historical numbers. Given access to the forecasted value drivers, the dividend discount model comes out as the most accurate valuation model. In particular, this holds in a comparison between the most parsimonious model specifications. The residual income valuation model generates the best pricing accuracy given the prediction of value drivers based on historical financial numbers. Notably, we observe pricing errors that in general are lower than what has been reported in prior U.S.‐based research for the dividend discount and the residual income valuation models. The pricing accuracy of the abnormal earnings growth models is surprisingly weak in the Scandinavian setting. However, these models improve somewhat after a couple of complexity adjustments, in particular with value driver predictions based on the projected history setting.     

基于SVM的静压管桩单桩极限承载力预测

为了提高静压管桩单桩极限承载力的预测精度,本文在构建的静压管桩单桩极限承载力指标体系的基础上,建立了静压管桩单桩极限承载力的支持向量机预测模型,应用该模型对实际工程中静压管桩单桩极限承载力进行预测,并运用BP神经网络预测模型与其做对比,试验结果表明,支持向量机对静压管桩单桩极限承载力具有较好的预测性能。