您的位置: 专家智库 > >

国家科技重大专项(2011ZX04016-041-DH01)

作品数:3 被引量:23H指数:3
相关作者:刘伟强杨建国郑小虎张家梁李蓓智更多>>
相关机构:东华大学上海电气机床成套工程有限公司更多>>
发文基金:国家科技重大专项更多>>
相关领域:机械工程金属学及工艺更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 3篇机械工程
  • 1篇金属学及工艺

主题

  • 2篇神经网
  • 2篇神经网络
  • 1篇砂轮
  • 1篇砂轮磨损
  • 1篇轮磨
  • 1篇面粗糙度
  • 1篇基于神经网络
  • 1篇RBF神经网...
  • 1篇RBF算法
  • 1篇BP算法
  • 1篇表面粗糙度
  • 1篇粗糙度

机构

  • 3篇东华大学
  • 1篇上海电气机床...

作者

  • 2篇杨建国
  • 2篇刘伟强
  • 1篇李蓓智
  • 1篇张家梁
  • 1篇郑小虎

传媒

  • 2篇组合机床与自...
  • 1篇机床与液压

年份

  • 1篇2015
  • 1篇2014
  • 1篇2013
3 条 记 录,以下是 1-3
排序方式:
基于神经网络的磨削工艺参数智能预测模型被引量:5
2013年
磨削参数的合理选择对于磨削加工过程有着重要的影响,将人工智能运用到磨削工艺参数的选择过程中是现代发展的一个新趋势。在分析现有的智能算法后,提出了一种利用BP神经网络模型来确定磨削参数的方法。在该方法中综合考虑影响磨削加工的因素,把它们列为神经网络系统的输入参数,并对输入参数进行编码;同时也对输出参数(砂轮速度、工件速度、磨削深度、磨削进给速度)进行了归一化处理以适应神经网络的学习。采用循环算法比较得出隐层的最优神经元个数,从而最终建立了磨削参数智能预测模型,并利用Matlab进行仿真预测,仿真结果表明该预测模型准确率很高,能为磨削参数的选择提供可靠数据。
刘伟强杨建国
关键词:BP算法神经网络
基于RBF神经网络的磨削表面粗糙度预测模型被引量:13
2014年
工件表面粗糙度是反映表面完整性指标中极为重要的一个参数,也是衡量磨削加工质量的重要因素之一,准确地预测磨削表面粗糙度对于快速合理地选择磨削加工工艺参数具有重要意义。通过开展实际磨削实验获得磨削加工数据,对获取的样本数据进行归一化处理以适应RBF神经网络的学习。同时采用循环算法比较得出隐层的最优神经元个数,最终建立了基于径向基函数神经网络的磨削表面粗糙度预测模型,并利用MATLAB进行仿真预测。仿真结果表明:该预测模型准确率很高,能为表面粗糙度预测研究提供可靠数据。
王海涛刘伟强杨建国
关键词:表面粗糙度RBF算法神经网络
高速磨削砂轮磨损对磨削表面质量的影响研究被引量:7
2015年
基于陶瓷CBN砂轮对渗碳钢20Cr Mn Ti开展了高速外圆磨削试验。在外圆磨削余量和工艺参数固定的情况下对工件进行连续磨削,以工件上的磨除体积为砂轮磨损指标,考察了砂轮磨损对工件表面粗糙度、残余应力、表层金相组织和显微硬度变化的影响。实验结果表明工件表面粗糙度会随着砂轮磨损而上升,表面残余应力随着砂轮磨损逐渐呈现拉应力的趋势,磨削表面会出现回火软化变质层。该结果可为进一步研究高速磨削机理及优化工艺参数提供依据。
朱跃伟张家梁郑小虎李蓓智
关键词:砂轮磨损
共1页<1>
聚类工具0