设计特征模型中的加工特征识别

当特征设计方法产生的模型中存在正特征或出现特征相关时,则无法直接得到加工特征。提出设计特征模型中的加工特征识别算法,即：工艺毛坯与设计特征模型的差得到零件加工区域,设计特征的规则化处理得到规则化设计特征模型,利用它可以从零件加工区域中逐步分解出所有的加工特征。     

基于表面技术的气动模型精密加工应用研究

表面技术应用于超高速气动实验模型的加工中,结果表明大大提高了模型的寿命,传统机械加工与表面工程相融合是气动模型加工新的复合工艺。     

基于元素关联链的多领域特征模型一致性研究

为了有效地维护特征模型的一致性,提出一种基于设计特征模型与加工特征模型双向关联,并利用有关的准则,维护设计/加工/检测特征模型一致性的方法。     

振动切削——薄壁零件加工的新技术

采用三维振动试验台,对不锈钢制做的薄壁测试模型进行了加工试验,实验结果表明,振动切削方法能够加工达到薄壁测试模型各项技术要求的零件,是薄壁零件加工的新技术。     

数控铣削加工物理仿真关键技术的研究

加工物理仿真的关键技术是加工过程的参数分析与建模。加工仿真过程是通过仿真模型在仿真环境中运行来实现的,其中物理仿真主要研究的模型有切削力模型、振动模型、表面粗糙度模型、切削过程的温度场模型、刀具磨损模型等。     

电火花型腔加工中加工余量分配的优化研究

在电火花型腔加工中,加工余量的确定及分配对电火花的加工效率有很大的影响,本文提出了一种加工余量及分配的优化模型,实验结果表明,该模型明显地提高了加工效率。     

加工半球锥体高速风洞模型一例

做风洞气动模拟试验需要模型,本文介绍了在一个设备简陋的小车间加工高精度高速风洞模型的例子,可供模型加工同行参考。     

冷风切削薄壁不锈钢零件的加工探讨

针对不锈钢制造的薄壁测试模型的难切削性,采用冷风切削加工技术,实验结果表明,这种方法能够加工出达到测试模型要求的零件。     

面向航空复杂薄壁零件智能加工的进化建模方法

航空复杂薄壁零件的材料加工性能差、加工过程的强时变性和多态性(工件的几何、动力学特性,刀具磨损状态在加工过程中变化剧烈)导致建模难度较大.为了提高航空复杂薄壁零件的加工精度,首先根据薄壁零件加工工艺,通过对加工时间进行离散,建立了零件加工过程4维多态模型.针对具体工序模型的演化过程,建立了几何演化模型、动力学演化模型以及刀具磨损演化模型,最后通过误差补偿进化模型建立了整个加工过程的闭环控制,通过迭代学习方法实现了非线性误差的建模.     

薄壁叶片叶型多工序加工检验模型建立方法

为了提高叶片的加工质量、降低叶片成品的废品率和加工成本，以航空发动机薄壁叶片数控铣削、抛光、振动光饰、喷丸强化的典型加工工艺为研究对象，提出了一种面向多工序的加工变形误差补偿方法及加工检验模型的建立方法。分析各工序的加工变形规律，将多工序变形误差作为一个整体，利用反变形误差补偿方法建立数控精铣工序的加工模型。图纸要求的理论模型只作为最终检验模型，而工序检验模型根据后续加工误差累加对最终检验模型修改得到。通过实例验证，该方法有效地降低了叶片工序检验结论的误判率，保证了工序检验合格及最终检验合格的要求。     

基于信息压缩的四层前向网络模型体系结构及其应用

提出了一种基于信息压缩原理的四层前向网络体系结构,用以为液体火箭发动机部分参数建立网络模型。利用所选参数的时间序列对这些参数实现平滑、滤波与预测等处理,提高了基于试车数据驱动的故障监控系统对量测噪声、传感器故障与系统过程噪声的鲁棒性。该四层结构大大缩小了网络权值规模,网络模型的训练采用演化策略。     

基于神经网络逆控制的发动机直接推力控制

首次将动态神经网络逆控制用于航空发动机直接推力控制。为了有效消除由于神经网络逆模型构造误差(即神经网络逆模型不可能完全逼近航空发动机的逆模型)而产生的稳态误差和解决航空发动机推力不易测量的困难,分别设计了积分补偿器和推力估计器,从而实现航空发动机直接推力控制。飞行包线内数字仿真结果表明,此控制方案具有良好的动静态性能、精度高、跟踪快。     

智能故障模式影响分析的推理研究

介绍了应用神经网络和专家系统技术,依托专家知识,基于功能/硬件而建立的功能关系模型图进行推理的智能故障模式影响分析系统。详细论述了其故障模式选择推理模型和应用神经元网络及其扩展技术建立的产品故障模式影响分析推理模型,并对推理流程进行了详细的描述。此外,对其系统结构、各组成部分的相互关系,及系统的功能流程也作了简要的论述。     

基于主动超节点的DHT分层P2P模型研究

随着计算机硬件和计算机网络迅速发展,P2P网络模型的优势日渐被人们所重视。基于P2P网络模型的应用也层出不穷,在P2P网络中如何高效地定位节点资源是衡量P2P应用软件价值的重要参考点,也是目前研究的热点。在现有超节点机制和DHT网络的基础上,采用主动网络技术和分层DHT模型,在原理分析和模型设计的前提下,提出了一种主动超节点的DHT分层机制的P2P模型,并通过试验此模型对该机制进行了分析。     

新一代歼击机超机动飞行的动态逆控制

 根据反馈线性化理论, 讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离原则, 采用动态逆方法设计快回路和慢回路控制器; 其次提出基于模型逆的神经网络非线性直接自适应控制方案, 设计一种在线神经网络用于补偿模型逆误差。仿真表明, 该控制方案具有较好的自适应能力和鲁棒性。     

基于神经网络的体视PIV空间标定模型

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力,定义了一个无量纲参数——误差衰减系数,来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性,发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段,证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力,而传统的多项式模型或小孔模型并不具备这一能力;此外,神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此,神经网络具备替换传统空间标定模型的能力,有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。     

卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用

 针对航空发动机排气温度的变化过程受复杂非线性时变因素的影响而难以用精确数学模型描述的问题,提出了卷积和离散过程神经网络(CSDPNN)模型,并将其应用于航空发动机排气温度(EGT)预测。该模型以离散样本作为直接输入,采用卷积和算法实现对时间累积效应的处理。相较于以连续函数作为输入的过程神经网络(PNN),不需要拟合离散样本得到连续函数后进行正交基展开,减少了精度损失,具有更高的预测精度。给出了卷积和离散过程神经网络模型的学习算法,并通过对Mackey-Glass混沌时间序列的预测对提出的方法进行应用说明和验证。通过航空发动机EGT预测实例,并与卷积和离散过程神经网络模型的连续函数输入过程神经网格以及传统人工神经网络(ANN)的预测结果进行了对比。结果表明,相较于连续函数输入过程神经网络以及传统人工神经网络,卷积和离散过程神经网络具有更高的预测精度,且对于EGT的预测具有较好的适应性,因而为航空发动机EGT预测提供了一种有效的方法。     

飞机油箱余油量的神经网络动态测量

论述了采用人工神经网络对飞机油箱燃油余量进行动态测量的方法。首先建立了飞机油箱余油动态测量的神经网络模型 ,然后讨论了该模型在使用中的有关问题解决方法 ,最后给出了一例仿真结果。     

基于复杂网络的舰艇编队信息关系结构评估

通过引入复杂网络中的网络分析模型,建立了一个用于评价舰艇编队信息关系结构的模型,并从网络拓扑结构的角度对舰艇编队信息关系结构进行了实例分析。所建立的模型可以从多个角度对舰艇编队信息关系结构进行评价,这为海上舰艇编队通信组网提供了一种新的评价思路。     

ANN技术在复合材料胶接修理分析中的应用

基于改进的BP人工神经网络(ANN)建立了复合材料胶接修理分析模型,结合采用复合材料胶接修理的正交试验及有限元分析的结果为训练和检测神经网络提供样本,有效地利用了神经网络、试验设计技术与有限元分析的优点。胶接修理实例分析结果表明,所建神经网络模型对胶接参数与修理效果之间关系的预测与试验结果一致,说明将人工神经网络应用于复合材料胶接修理参数分析是一种行之有效的方法。