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。     

基于深度残差网络的刀具磨损量预测方法研究

数控机床刀具磨损将直接影响着加工产品的精度,导致产品质量下降。在自动化程度越来越高的数控加工中,监测刀具状态变得更加困难。为了保证产品质量,快速、精确的预测刀具磨损量,本文提出基于深度残差神经网络的多传感器刀具磨损量预测方法,首先,该方法提取振动、切削力和声发射传感器信号的时域特征,然后,利用深度残差网络对时域特征进行监督学习训练,最后,把训练好的模型对测试数据进行测试。本文提出的模型通过试验验证其有效性,模型评价指标绝对均值(MAE)约为1.51×10-3mm,具有较高的预测精度。     

线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模,并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例,将一段时间内的激励力作为网络的输入参数,对应于该段时间内由振动产生的挠度作为网络的输出参数,然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比,误差甚小。该结果表明:所建立的神经网络模型合理、有效,可利用其对该类问题进行预测并应用于工程实践中。     

线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模，并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例，将一段时间内的激励力作为网络的输入参数，对应于该段时间内由振动产生的挠度作为网络的输出参数，然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比，误差甚小。该结果表明：所建立的神经网络模型合理、有效，可利用其对该类问题进行预测并应用于工程实践中。     

神经网络在石蜡氧化中的应用

在石蜡氧化研制特种蜡课题的实验室开发过程中,利用人工神经网络将氧化蜡的酸值和酯值与石蜡氧化条件(反应温度、空气流量和反应时间)进行关联,建立了石蜡催化氧化的BP神经网络模型,并用该模型对石蜡氧化规律进行了预测。结果表明,该模型具有满意的预测能力。     

E-ELT望远镜抛光不匹配量的仿真分析

针对光学加工中较难去除的中频误差分量,介绍了目前欧洲望远镜系统在加工工艺方面的探索性成果。在理论分析的基础上,利用坐标变换的方法对主镜抛光过程中刀具相对镜片的不匹配量进行了建模和仿真,并分析了刀具尺寸、刀具相对镜片的位置以及进给量等关键参数的选取对不匹配量的影响情况。     

机械加工精度误差产生原因及对策探讨

加工精度误差是机械加工中不可避免的,是不可能根除的,但是将其控制在尽可能小的允许范围内是可行的。本文首先分析了机械加工产生误差的主要原因,分别是传动链误差、刀具的几何误差、导轨误差、主轴回转误差、定位误差。其次,结合笔者的工作经验,就如何有效降低机械加工精度误差进行了深入的探讨,提出了自己的见解和看法,具有一定的参考价值。     

数控机床加工过程综合误差分析研究

随着机械制造技术的飞速发展,于机械加工领域"数控机床"广泛普及,而数控机床的"加工精度"为零件加工的关键问题,降低加工误差,是提升加工水平的主要因素。数控机床加工过程中,产生误差的主要原因有"编程误差、刀尖圆弧误差、测量误差、刀具磨损误差、反向失动量导致的误差、对刀误差及机床系统误差"等,就此提出"编写可行的加工程序、关注刀尖半径值、对刀、输入磨耗值、消除间隙"等降低误差的手段。     

浅析联合运动中直线误差和角误差之间的关系

提高机床的软件补偿方法和坐标测量机的精度一定程度上取决于机误差的建模和测量方法。目前常用的方法是基于刀具的位置误差或笔尖的位置误差的个别轴关节运动误差参数组合。本文的目的是在机器误差分析的基础上提出对错误的分类。这种方法的相关性研究,通过案例研究机制之间的联合运动角度和线性轴机床的直线度误差。通过基于纯粹抽象的数学实验,探索模拟联合运动的直线度和角度误差建模。实验结果结果表明,在某些情况下的关节运动直线度误差不得作为估计整合联合运动学角度误差的依据。     

基于GA—BP算法的模糊神经网络模型在港口物流量预测中的应用

以国内某港口为倒,通过应用遗传算法改进的BP学习算法（GA—BP）的模糊神经网络模型,对港口物流量进行预测。最后,利用Matlab软件对样本数据进行训练和测试,仿真结果表明所构造的改进模型预测误差非常小。     

基于BP神经网络的发动机机体工时定额研究

针对新发动机机体工时定额难度大,以经验估计为主,且对报工的工时核定难度大,通过以S型机体铣床工序为例,运用BP神经网络模型,从工艺文件的结构参数中抽取部分数据作为训练集,构建了发动机机体工时定额神经网络模型。同时运用线性回归方法对工时定额进行了预测,通过对比分析发现,BP神经网络计算的误差较小,适用于机体加工前期对工时定额的初步、快速估算。     

河北省保险发展与经济发展关系的协整分析

本文首先分析了保险增长和经济增长关系的研究现状,然后利用误差修整模型和Granger因果检验分析了保险增长和经济增长的关系,并利用误差修正模型对河北省的经济增长量进行了预测,最终得出在河北省保险增长是经济增长的Granger原因,而经济增长却不是保险增长的Granger原因的结论。     

航空港客流的分析与预测

本文利用社会经济发展和航空运输需求之间的关系,探讨了影响航空港客运量的因素,从而建立起航空港客运需求量预测模型.并采用多元回归分析的SPSS软件和神经网络分析的EasyNN软件,对航空港客运需求量进行预测,从预测误差分析结果证明预测的可信性.     

飞机试验模型型面加工精度的提高方法

本文通过对飞机试验模型加工案例的分析,结合目前现有的数控加工能力,探讨了在飞机试验模型加工中如何提高加工精度,并对其产生误差的原因进行深入分析,为加工出高质量的飞机试验模型奠定了基础。     

数控编程数值处理对加工精度的影响

数控机床加工过程中产生的加工误差有多种因素,主要可以分为两个方面:一方面是机床工艺系统产生的误差,包括机床的运动精度误差,刀具尺寸误差,机床设备的热变形和弹性变形误差;另一方面是数控编程产生的误差,包括零件轮廓拟合误差、插补误差、尺寸调整误差及加工方法引起的误差等。数控编程时对数值的有效处理是调整各种误差的有力手段。     

基于气象因子修正的风电场短期风速预测

为了提高风电场短期风速预测的精度,提出了基于当地气象因子和支持向量机(MF-SVM)的模型。以风场所在地的气象台所测物理因子为输入,用BP神经网络预测出未来3天的平均风速,作为风场短期风速预测的修正参考值;基于风场单台风机的历史风速,用支持向量机(SVM)方法预测出未来4小时风速值,并加以修正,实例证明模型具有较强的预测能力。此外,对模型所产生的误差来源也进行了分析。     

论基于BP神经网络的GDP预测

在经济分析中,通常采用时间序列模型对进行拟合GDP,GDP预测由于其影响因素复杂、具有很强的非线性,是典型的"黑箱"模型,建立在计量经济学理论基础上的线性方法,难以描述GDP预测中的非线性现象,容易造成预测误差过大.通过对BP神经网络数据进行归一化和选择适当的节点及学习率可变的算法大大提高了预测的精确度和效率.     

基于BP神经网络确定矿井巷道摩擦阻力系数的应用研究

运用多层前向人工神经网络-BP神经网络模型对不同支护类型的矿井巷道摩擦阻力系数进行模式识别,并运用改进的贝叶斯正则化方法对网络进行训练,以锚喷支护巷道为例对其摩擦阻力系数进行预测。采用BP神经网络将网络模拟值与实测值进行比较,误差在5%左右,同理对其他支护类型进行模拟预测,误差均在5%以内,预测精度较高。