模拟成形性的计算机预测

运用人工神经网络,对板料基本成形性(单向拉伸、平面应变等基本试验的参数)与模拟成形性(拉深、杯突、扩孔、福井等模拟试验指标)二者的相关性进行了研究.在大量试验数据和反向传播算法的基础上,建立了描述相关性的B-P网络模型.通过该模型,对已知基本成形性参数的板料的模拟成形性指标进行了计算机预测,预测结果与试验结果比较接近.本文的研究方法和结果表明,人工神经网络是研究板料的模拟成形性的一条有效途径.     

智能制造系统质量控制的神经网络方法研究

研究了利用人工神经网络预测质量参数的方法,提出了用有监督线性特征映射网络构造自校正神经网络的方法及网络参数的选择,并提供了在磨削尺寸预测中的应用,研究表明该方法具有广泛的应用前景。     

航空发动机神经元网络控制

利用一个BP网络作为某双转子涡轮发动机的控制器,利用另一个BP网络做为非线性对象的映射器,仿真结果表明本控制结构具有较强的控制鲁棒性并有较好的应用前景。     

基于人工神经网络的现代军机研制费用估算模型

阐述了针对现代军机研制费用估算现状,用基于人工神经网络理论建立了现代军机研制费用估算模型。给出建模流程,分别采用动量自适应算法和 L-M 算法的 BP 网络来实现,并对其特点加以分析比较。在小样本情况下,编制了 Matlab 仿真软件并进行了仿真,证明了所建立的研制费用模型的准确性,仿真结果表明该方法比传统的回归分析方法精度高。     

弯曲模试冲缺陷智能诊断技术

分析了弯曲模试冲时的缺陷及原因,建立了缺陷征兆—原因关系表;介绍了应用人工神经网络技术对弯曲模试冲缺陷进行正向诊断的方法,探讨了人工神经网络技术应用于弯曲模试冲缺陷诊断的可行性。     

基于BP神经网络的航空发动机故障检测技术研究

为了提高航空发动机故障检测正确率,将BP神经网络应用于航空发动机故障检测中。从某航空公司使用的CFM56-7B系列发动机的实际飞行历史数据中选取研究样本,对比了6种训练方法的效果并最终选择弹性BP法对网络加以训练并进行测试。结果表明:该方法对CFM56-7B系列发动机的排气温度指示故障、进口总温指示故障和可调放气活门故障的检测正确率高达83.33%。BP神经网络能够很好地应用于航空发动机的实际故障检测,其学习记忆稳定、网络收敛速度快,具有一定的工程实用价值。     

喷射成形TiCp/ZA35复合材料热挤压工艺的ANN优化和组织研究

采用人工神经网络(ANN)的方法，研究挤压比、挤压比压、挤压温度和挤压速率对喷射成形TiC_p/ZA35复合材料力学性能的影响，建立了TiC_p/ZA35复合材料热挤压的人工神经网络模型。模型的输入参数为挤压比、挤压比压、挤压温度和挤压速率，输出参数为复合材料的抗拉强度。该模型可以仿真TiC_p/ZA35复合材料在不同热挤压工艺参数下的力学性能，也可以优化热挤压工艺参数，模型结果与实验结果误差小于1.8%，拟合率为0.986。推荐热挤压工艺优化参数为：挤压比22，挤压比压415 MPa，挤压温度315℃，挤压速率8 mm·s^-1，此工艺条件下复合材料的抗拉强度为486.7 MPa。热挤压间接对复合材料进行了时效处理，材料晶内析出晶须状和颗粒状的MnAl6强化相。弥散强化和位错强化作用使热挤压喷射沉积TiCp/ZA35复合材料较未挤压复合材料抗拉强度提高38.3%。     

基于优化BP神经网络的开关磁阻电机定子电阻辨识方法

为解决直接转矩控制下的开关磁阻电机低速运行时磁链计算受电阻变化影响比较大的问题,详细观察分析了电阻对于相电流的影响,通过比对电阻可调的电机模型与实际的电机模型的输出电流,提出了一种基于优化BP神经网络的电阻辨识器。优化BP网络数学理论,结构简单,学习算法清晰明白,基于该网络的算法能够对变化的定子电阻进行辨识。将该方法置于Simulink控制系统上进行仿真,同时比较有无电阻辨识器前后仿真波形。试验表明,该电阻辨识方法可以提高开关磁阻电机低速运行时系统性能。     

飞机飞行振动预计技术

介绍了飞机飞行振动的主要来源和特征,分析了传统预计方法的不足,针对飞机飞行振动与高度、马赫数、攻角等飞行参数呈非线性关系的特点,提出了基于BP神经网络的飞行振动预计新技术,建立了预计模型,通过8组建模样本训练网络,确定了预计模型中的各个参数值。预计结果和实测飞机飞行振动信号比较分析表明:该方法预计精度高,验证了BP神经网络预计飞机飞行振动的可行性。