数控车削加工仿真中的切削力预测

利用人工神经网络模拟现实复杂系统的输入输出关系,对数控车削仿真中的切削力预测进行了研究.通过几种神经网络算法与传统的经验公式预测进行对比,找出真正适合本试验数据的算法,从而实现对切削力的快速精确预测.     

样本数量对切削力的神经网络预测精度的影响

为用尽量少的训练样本达到预测目的，通过不同数量训练样本训练网络的对比试验，分析了训练样本数量对基于列文伯格-马夸尔特算法的切削力的神经网络预测精度的影响．用统计学平均幅值和均方差作为误差的评价指标，探讨了训练样本数量与预测精度的关系．研究结果表明：用40-50组样本训练网络，就可以实现特定切削用量范围内切削力的准确预测．     

正交微切削中切削力预测模型研究

从位错密度出发,基于应变梯度理论建立了正交微切削力的预测模型,并设计了正交微切削实验,验证了微切削力预测模型的可靠性．用此模型预测微切削力与实验数据相比,平均误差不超过5％,更好地反映微尺度特征．分析微切削力实验数据发现：在正交微切削中主切削力基本是大于进给力的;当在相同切削速度时,进给量越小时,主切削力和进给力的变化程度越大;主切削力随进给量的增大而增大,而进给力随进给量的增大而减小．     

基于DNA双链特征的启动子预测方法

真核启动子预测是DNA序列分析的重要问题之一．本文提出一个基于内容的新算法,考虑DNA的双链特征,特征的出现频率用位置权矩阵表示,利用boosting算法进行训练和预测,得出的结果与其他算法相比,有很好的敏感性和特异性．     

改进的BP神经网络预测模型及其应用

针对传统BP神经网络算法在对预测问题中存在的网络具有易陷入局部极小、收敛速度慢的缺陷,引入附加动量法和自适应学习速率法改进BP神经网络预测模型．将改进后的预测方法应用于企业的市场需求预测问题,以某汽车制造企业过去12个月汽车销售量的实际数据为样本,分别采用基于时间序列和基于因素分析两种预测模型,对所提出的改进预测方法进行实证分析．结果表明：所提出的算法对销售量的预测精度较高,误差均小于8．8％,运算时间也有所降低,预测结果表明文中所提出的算法在处理网络易陷入局部极小、收敛速度慢的预测问题方面的有效性．     

遗传神经网络在公交客流量预测中的应用研究

全面考虑影响公交客流量的各个因素，建立遗传神经网络预测模型，并把其预测结果和神经网络BP算法的预测结果进行比较．这种方法具有很强的学习能力和自适应性，其预测结果优于神经网络BP算法的预测结果，故具有很好的应用价值。     

基于频域特征的H.264/AVC帧内编码模式快速预测

为降低H．264／AVC帧内预测计算复杂度，提出了基于频域特征的快速帧内编码模式预测算法．首先，对要编码的4×4块进行DCT变换，得到少数的几个DCT系数．然后，通过这几个系数计算块的特征方向和方差．最后，根据特征方向和方差计算最可能的几种预测模式．实验验证了该算法在不牺牲图像质量和压缩效率的基础上将帧内预测的计算复杂度平均降低了67．5％．     

基于模糊神经网络的交通事故微观预测方法研究

道路交通事故微观预测包括对路段和交叉口事故指标的预测．本文总结现有预测方法的优劣性,探讨现有预测方法的改善方向,提出了基于模糊神经网络的交通事故微观预测方法,分析了网络结构和学习算法。以石河子市交通事故调查数据进行实例分析,选择路段事故影响因素作为输入变量,通过Matlab编程实现模糊神经网络的算法,并与负二项回归模型...     

薄壁叶片加工误差分析与预测

薄壁叶片在数控加工中容易变形,影响加工精度,提出了采用柔性变形迭代方法计算叶片铣削过程中的变形量．首先利用正交切削仿真试验确定球头铣刀的铣削力模型,并给出叶片数控加工刀触点计算方法,再将切削力加载到叶片的有限元网格节点上,采用柔性变形迭代方法计算出薄壁叶片的变形量．结果表明,所提出的方法能有效地预测薄壁零件的变形,为叶片加工误差补偿提供了依据．     

网络控制系统的变采样周期调度算法

综合考虑网络控制系统的误差、误差变化率、网络利用率及采样周期对系统性能的影响,设计了一种基于模糊反馈的变采样周期调度算法．该算法由网络利用率预测和采样周期调节两部分组成：网络利用率预测部分根据当前网络运行状况预测新的网络利用率;采样周期调节部分包含网络利用率分配和采样周期的计算．采样周期调节部分的网络利用率分配,用于重新分配各控制回路的网络利用率,分配时考虑系统各回路的误差和误差变化率,利用模糊控制理论调整各回路对网络的需求程度,完成分配;而采样周期计算是根据所得的网络利用率及数据的传输时间,动态调节系统各回路的采样周期．最后,结合EDF调度算法利用TrueTime工具箱对所研究的调度算法进行了仿真,结果表明采用本文所研究的变采样周期调度算法的控制系统性能要优于采用固定采样周期调度算法的控制系统性能．     

Numerical simulation on temperature and stress fields in beryllium during cutting process

The temperature and stress fields in beryllium during high speed cutting process were studied by employing a thermo-mechanically coupled finite element method (FEM). The results show that the temperatures in beryllium increase only a little during the cutting process. Both of the residual stresses for along and normal to the cutting direction are tensile stresses in the surface of beryllium after cutting. The cutting force and thrust force are about 280 and −250 kN/m at the steady stage, respectively. The main effects of coolant on the cutting process are to decrease the friction coefficient and heat between the tool and the workpiece, so to reduce the temperature, but almost no effects are made for stress. This study is helpful to enhance the understanding for stress formation and optimize the process parameters of beryllium.     

求解频率指配问题改进的完全图算法

以四级预测模型为基础,提出改进的完全图算法,并推导出该算法计算量的解析式,从理论上证明了改进的完全图算法性能上的提高.四级预测模型来判断两电台之间的兼容性,而改进的完全图算法调用四级预测模型来搜索出多电台间的所有可用频组,进行了小规模电台数目电子信息系统的完整电磁兼容分析,完成了系统内的频率指配.实际工程应用的结果与理论一致.     

切削工具的TiN、TiC涂层性能的试验分析

介绍了涂层刀具与未涂层刀具在切削加工中的性能比较及试验研究。主要通过不重磨车刀的耐用度及丝锥的切削力(扭矩)等因素来展开试验分析。     

关于数控车床上坐标系计算的研究

数控车床加工过程是通过程序由机床坐标系来保证,要确保机床坐标位置与编程坐标位置的吻合,同时又要避免切削加工时产生的切削力和弹性变形力的作用下对零件的损伤,就需要确定定位基准和刀尖的起始点位置,通过在程序编程过程中的坐标系计算与划分步骤来进行,这样不但只需要进行一次对刀就能完成对整个零件的完整加工,而且也能对提高加工过程中的零件精度和生产加工水平起到重要的作用.     

Wear Mechanisms of Ceramic Inserts in Machining Nickel-Based Superalloy

The performances of ceramic inserts in cutting nickel-based alloy were investigated. A new cutting test-bed was devised and used to deburr. The burr height on the working surface with notch wear in deburring cutting was compared with that in normal cutting. The impact force, impact pressure, and impact frequency of the saw-tooth-shaped chip edge on rake face and cutting edge at different speeds were calculated, and the influence of chip edge on notch wear formation was analyzed. A new tool design for reduci...     

基于遗传BP神经网络的城市物流需求量预测

结合遗传算法与BP神经网络算法预测城市物流需求量,通过算例对比证明了遗传BP神经网络算法在预测的精度与收敛速度上均优于单一算法.基于物流业的广泛性提出采用3种物流需求量作为网络的输出指标,提高了物流需求量预测的广度与可信度,并提出了一种连续预测未来数年物流需求量的方法以便于运用于实际决策之中.     

神经网络结合遗传算法用于航迹预测

研究利用遗传算法对BP神经网络进行优化设计,建立了基于遗传算法的BP神经网络机动目标航迹预测模型。该模型克服了普通神经网络算法在训练过程中容易陷入局部最优点的缺陷,得到了更高的学习精度和更快的收敛速度。最后,用实测数据进行了验证分析,结果表明,基于遗传算法的神经网络的预测模型比单神经网络预测模型预测精度高,可用于航迹的预测。