基于Dynaform数值模拟的电机壳体拉深成形参数影响规律研究

研究了电机壳体拉深成形过程各工艺参数对成形结果的影响,重点分析了压边力、圆角半径、摩擦系数、冲压速度对板料成形质量影响比较大的参数,通过正交试验,用极差法平定了各工艺参数对零件成形质量的影响顺序:压边力冲压速度凸凹模间隙摩擦系数。并确定了对壳体最小厚度影响较好的工艺参数组合,工艺参数组合为:压边力为40 k N,冲压速度为2000 mm/s,凸凹模间隙1.15 mm,摩擦系数0.1。     

基于BP神经网络的测控站天饲馈系统电机振动故障分析

电机的故障诊断在测控站天饲馈系统故障中占有很大比例.利用BP神经网络对数据处理的优势,把电机振动频率作为神经网络的训练样本,结合经验数据和实验数据来训练神经网络,通过训练好的网络可以判断电机相应的故障种类.     

飞机蒙皮拉伸成形工艺参数优化

拉伸成形是飞机板金的基本成形方法。结合蒙皮拉伸成形常见的缺陷及影响因素,简述了最优化理论结合数值模拟优化工艺参数的必要性。以双曲度蒙皮为例,分析了产生回弹的机理和影响因素。采用正交试验设计建立响应曲面,序列二次规划和混合整数优化相结合的优化算法,以厚度减薄率为约束条件,对成形工艺参数预拉伸率进行优化,并对优化结果进行试验验证。结果表明优化拉形工艺参数后零件变形均匀程度提高,回弹减小了21.87%。     

Q235钢电机壳体拉深成形的数值模拟及应用

将具有多阶梯形、非轴对称等结构特点的典型筒形电机壳体零件的制造过程中可能出现的问题集中在设计阶段解决,以便快速经济地制造模具。同时分析毛坯形状、凸模圆角半径、压边力等参数变化对电机壳体零件成形质量影响,完成各参数优化,进而确定电机壳体零件的成形工艺。     

航空发动机叶片砂带抛光工艺参数优化

为提高航空发动机叶片砂带抛光后的表面质量,选取影响抛光质量的主要工艺因素砂带粒度、接触力、砂带线速度、进给速度,以抛光后的叶片表面粗糙度作为评价指标,展开叶片砂带抛光工艺参数优化研究.首先,进行抛光工艺试验,基于试验结果采用BP神经网络法建立表面粗糙度与工艺参数之间的预测模型;其次,根据所建立的预测模型,采用遗传算法和粒子群算法对工艺参数进行优化对比,确定最佳工艺参数;最后,对优化后的工艺参数进行试验验证,试验结果表明:采用优化后的工艺参数进行叶片型面抛光,抛光后叶片表面粗糙度明显减小,表面质量得到了显著提高.     

数控铣削参数优化的研究与开发

以DMC60H数控机床为试验平台,以壳体类铝合金零件加工为研究对象,提取数控铣削加工试验数据,采用BP神经网络建立数控加工铣削参数优化模型。生产验证表明,提出的数控加工铣削参数优化方法具有较强的实用性和一定的先进性,能有效提高加工效率,对实现数控机床综合应用效率最优化具有重要意义。     

基于神经网络建立液态挤压成形管、棒材工艺参数知识库

 采用人工神经网络方法,将８１组实验数据用于神经网络的建模及检测,建立了液态挤压成形管、棒材工艺参数知识库,可以对该工艺的关键参数进行较为准确的预测,从而为推动该金属成形新工艺的实际应用奠定了基础。     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

融合机床精度与工艺参数的铣削误差预测模型

为弥补现有五轴联动数控铣床加工飞机结构件的加工精度评估系统的不足,提出利用机床精度检测数据和零件特征及其工艺参数来构建评估指标体系,基于BP神经网络建立了飞机结构件加工误差预测模型。通过完成训练的网络权值分布,计算出各输入指标对最后评估结果的影响,并通过实例分析检验了模型的可靠性。结果表明,经BP神经网络模型训练得到的结果和样本零件的三坐标测量机测量数据基本吻合,选取的评价指标具有有效性。该评估模型能够有效地融合机床精度检测数据和零件特征及其加工工艺参数,对飞机结构件的铣削加工误差进行预测。     

神经网络PID在电机调速中的应用

针对传统PID控制器参数不能随直流电机转速变化而适时整定的缺点,将常规PID控制器与具有自学习功能的神经网络相结合,提出了基于BP神经网络的PID控制算法。通过工控机与PLC之间的通信,实现用户自行开发的神经网络对PID参数的适时整定,其控制效果已经通过实验进行了充分验证,较传统参数固定式PID调速器具有更快的调节速度和更高的调节精度。     

基于均匀设计与BP神经网络的管材无模轴压胀形工艺设计

提出采用均匀设计与BP神经网络相结合的方法进行基于工件成形构形约束的管材无模轴压胀形工艺设计。以管材无模轴压胀形工艺有限元数值模拟为研究平台,对该方法的技术可行性进行了验证。结果表明,该方法有助于提高工艺设计的主动性和针对性,减少传统试错方式的被动性和盲目性,从而增强对工件最终成形品质的预测能力和控制能力。     

基于BP神经网络参数整定的快刀伺服控制系统研究

为了实现光学自由曲面的高效精密加工,开发了一种基于音圈电机驱动的快刀伺服机构。为降低面形误差,对快刀伺服控制系统展开了研究。建立快刀伺服和音圈电机的数学模型和分析PMAC控制器和驱动器的控制算法,从而建立了快刀控制系统的仿真模型。为了减小快刀控制系统的跟踪误差,提高控制性能,提出了BP神经网络整定控制参数的方法。并对参数整定后的控制系统进行仿真和实验验证,跟踪误差为2.8μm,有效提高了快刀伺服控制系统的性能,使得满足加工的精度要求。     

基于多方法联合的故障诊断技术研究

针对基于故障树（ FTA）的故障诊断方法存在的空间爆炸问题和基于神经网络的故障诊断方法存在的训练样本整理困难问题,将故障树和BAM神经网络融合的方法应用于航电系统故障诊断,利用FTA得到系统的故障模式,进而分析归纳出BAM的训练样本,通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。对航电系统进行故障诊断仿真分析,验证了方法的有效性。并联合基于BP神经网络故障诊断方法,将二者优点结合进行联合故障诊断,验证了联合故障诊断方法的可行性。     

基于预处理BP神经网络的开关磁阻电机建模

针对开关磁阻电机(SRM)强耦合、强非线性、难以精确解析建模的问题,提出一种基于数据预处理的反向传播(BP)神经网络建模方法。首先通过传统直流脉冲法测量一个电周期内SRM静态电磁特性,获取建模样本数据;其次充分利用电机先验知识,通过可以初步反映SRM非线性特性的磁链和转矩解析表达式对实测样本数据进行预处理并作为BP神经网络新的输入,降低神经网络拟合误差。与传统BP神经网络建模的对比结果显示,引入预处理方法可以有效减少BP神经网络节点数量,增强神经网络泛化能力,提高神经网络建模精度。     

铝锌镁钪合金铸锭均匀化和基于BP神经网络的铸锭均匀化性能预测

采用硬度、电导率测量和X射线物相分析技术研究了铝锌镁钪合金铸锭均匀化处理过程中组织和性能的变化规律,结果表明,铸态合金过饱和程度高,合金电导率较低而硬度较高;铸锭均匀化处理过程中,随均匀化温度升高,T相先大量析出后逐渐回溶入固溶体基体,基体固溶度先降后升,合金电导率先升后降,合金硬度则先降后升,更高温度均匀化,晶粒粗化,硬度又下降。在此基础上,运用Matlab神经网络工具箱进行BP神经网络设计,采用改进的BP网络Levenberg-Marquardt算法对权值和阈值进行训练,建立了铝锌镁钪合金均匀化工艺参数到性能预测的BP神经网络模型。实验验证结果表明,该模型计算值与实验值吻合精度高,泛化检测点电导率相对误差≤±0.23%,硬度相对误差≤±1.90%,可有效预测和分析均匀化工艺对铝锌镁钪合金性能的影响,为优化均匀化工艺、降低试验成本提供一种新方法。     

基于BP神经网络的翼型空气动力系数预测

本文介绍了BP神经网络的基本原理,建立了面向BP神经网络预测模型,对翼型的升力系数和阻力系数进行预测,并与风洞试验数据对比分析。结果表明,神经网络的预测精度很高,与试验数据的误差是可以接受的,验证了BP神经网络预测空气动力系数的可行性。     

航空复杂壳体高精度孔系精密加工技术

针对航空复杂壳体典型高精度孔系加工时间长、刀具数量多、加工效率低成本高等问题,根据其结构特点及精度要求,设计螺旋槽内冷式台阶钻头、直线刃内冷式台阶铰刀,改进专用复合成型刀具的结构设计,逐步优化调整切削参数。通过多次切削工艺试验摸索匹配专用复合成形刀具的最优工艺参数,形成了适用于航空复杂壳体高精度孔系精密加工的工艺解决方案,并验证可行。     

一种电动汽车用驱动电机系统性能评价方法

根据电动汽车用驱动电机性能特点,从驱动电机系统的电机控制性能、电机本体设计、企业资质能力等不同维度分析,应用层次分析法(AHP)确定驱动电机性能评价指标体系及其指标权重,建立驱动电机性能评价的BP神经网络模型,并采用鸡群优化算法(CSO)对其模型进行优化。仿真实例表明,基于AHP和CSOBP神经网络的驱动电机系统性能评价方法,具有评价速度快、准确率高等优点, 并得到满意的评价结果。这对于电动汽车驱动电机系统的评价、选择与应用,具有较好的工程实用价值。     

飞机纵向运动参数BP神经网络估算

针对飞机纵向运动方程复杂,现有的气动参数获得方法实现困难,不便于分析与控制飞机的运动,文中利用BP神经网络进行参数估算,建立了飞机短周期纵向运动参数估算的BP神经网络模型。研究了不同神经网络结构、不同的激励函数对飞机纵向参数估算BP网络模型的影响作用,进行了数字仿真,对误差进行原则性分析并提出改进措施。仿真结果表明,这种方法能较好的估计纵向运动方程中的未知参数。     

基于机器学习的智能控制数值虚拟飞行方法

提出并实现了一种基于机器学习的PID智能控制策略下的数值虚拟飞行算法，结合Basic Finner导弹标准模型算例，对所提出算法进行了验证和评估分析，表明本文算法可行，并具有良好的应用前景。首先，搭建了一种基于重叠动网格技术的CFD/RBD耦合数值虚拟飞行仿真模型。针对Basic Finner导弹的标准工况进行了无控自由飞行状态的数值飞行模拟，并结合实验结果对所构建的数值虚拟飞行仿真算法进行了验证和评估，表明所采用的数值模拟算法可用于数值虚拟飞行环境下的智能控制参数设计与仿真评估；其次，结合数值虚拟飞行过程对飞行器气动、姿态和位移等参数的实时控制需求，提出了一种基于BP神经网络算法的PID参数在线学习的智能控制器，并针对Basic Finner导弹的俯仰通道，分别对传统PID控制策略和智能PID控制策略下的导弹自由释放后的俯仰角快速稳定控制过程、阶跃式和正弦式俯仰角输入下的导弹跟踪控制过程进行了数值虚拟飞行仿真模拟。研究表明，基于BP神经网络的PID智能控制器能够根据所获得的实时飞行参数，实现控制参数的在线学习和自我优化、调整，相比于传统PID控制器，对于不同输入工况表现出良好的适应性...