神經(jīng)網(wǎng)絡(luò)機(jī)械油泵軸鍛造工藝優(yōu)化

針對(duì)六自由度機(jī)械臂耦合性強(qiáng)、時(shí)變、非線性等性能,基于拉格朗日動(dòng)力學(xué)建模方法,文章采用bp神經(jīng)網(wǎng)絡(luò)逼近模型,實(shí)現(xiàn)高精度軌跡跟蹤。該方法根據(jù)六自由度機(jī)械臂本體采集的數(shù)據(jù)進(jìn)行黑箱辨識(shí)建模解耦,建模過(guò)程采用bp神經(jīng)網(wǎng)絡(luò)逼近,提升建模精度、簡(jiǎn)化建模過(guò)程。針對(duì)解耦后的系統(tǒng),還需建立pid閉環(huán)控制器進(jìn)一步實(shí)現(xiàn)軌跡跟蹤控制。仿真及實(shí)驗(yàn)結(jié)果表明,基于bp神經(jīng)網(wǎng)絡(luò)的pid控制器能夠改善系統(tǒng)的魯棒性和穩(wěn)定性,并有效抑制抖動(dòng)。

通過(guò)對(duì)當(dāng)前農(nóng)業(yè)工程機(jī)械現(xiàn)狀進(jìn)行探討,分析了軸向柱塞油泵運(yùn)用于農(nóng)業(yè)工程機(jī)械的可行性,并對(duì)其工作原理進(jìn)行闡述。利用組態(tài)原理對(duì)工程機(jī)械油泵測(cè)控系統(tǒng)進(jìn)行了模塊化設(shè)計(jì),并對(duì)其性能參數(shù)進(jìn)行了設(shè)計(jì)。硬件調(diào)試后,以混凝土泵車的主油泵壓力為實(shí)例進(jìn)行了分析。硬件組態(tài)的設(shè)計(jì)為節(jié)能型工程機(jī)械提供了理論依據(jù)。

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

針對(duì)當(dāng)前工業(yè)機(jī)械設(shè)備運(yùn)行數(shù)據(jù)龐大,設(shè)備故障診斷復(fù)雜等問(wèn)題,采用三層式bp神經(jīng)網(wǎng)絡(luò),結(jié)合主元分析法,研究用于工業(yè)機(jī)械設(shè)備故障診斷的bp神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法,來(lái)對(duì)設(shè)備故障原因進(jìn)行分類,并在此基礎(chǔ)上探討bp神經(jīng)網(wǎng)絡(luò)對(duì)于不同場(chǎng)景的應(yīng)用,從而提高bp神經(jīng)網(wǎng)絡(luò)的應(yīng)用價(jià)值。

工程建設(shè)機(jī)械驅(qū)動(dòng)橋主減速器 bp神經(jīng)網(wǎng)絡(luò)輔助優(yōu)化設(shè)計(jì) 畢春長(zhǎng)　丁予展 　　工程建設(shè)機(jī)械驅(qū)動(dòng)橋主減速器的功能是降低轉(zhuǎn) 速、增大扭矩,以適合工程建設(shè)機(jī)械工作和行駛的 要求,故采用弧齒錐齒輪傳動(dòng)較為合適?；↓X錐齒 輪傳動(dòng)的特點(diǎn)是:同時(shí)嚙合的齒數(shù)較多,齒間壓力 分布的狀況好,嚙合平穩(wěn),工作噪音小。而且,由 于小齒輪的齒數(shù)可以做得很小,則在大齒輪的同樣 外形尺寸下,可獲得較大的傳動(dòng)比,或者在要求一 定傳動(dòng)比時(shí),能減小驅(qū)動(dòng)橋的尺寸。然而,由于弧齒 錐齒輪傳動(dòng)采用的是格里森制,設(shè)計(jì)計(jì)算頗為復(fù)雜, 所受限制條件較多,因此給優(yōu)化設(shè)計(jì)帶來(lái)很多麻煩。 本文研究工程建設(shè)機(jī)械驅(qū)動(dòng)橋主減速器bp神經(jīng)網(wǎng) 絡(luò)輔助優(yōu)化設(shè)計(jì)方法,以便提高優(yōu)化設(shè)計(jì)效率。 1　bp神經(jīng)網(wǎng)絡(luò)模型原理 　　bp(backpropagation)網(wǎng)絡(luò)亦稱誤差逆?zhèn)鞑ゾW(wǎng) 絡(luò),是最成熟

運(yùn)用matlab神經(jīng)網(wǎng)絡(luò)工具箱,建立了三層bp神經(jīng)網(wǎng)絡(luò)的操作參數(shù)預(yù)測(cè)模型,結(jié)果表明,模型輸入水力旋流器的結(jié)構(gòu)參數(shù)、物性參數(shù)和分離性能,對(duì)機(jī)械散氣-水力旋流器的操作參數(shù)預(yù)測(cè)是可行的,促進(jìn)了機(jī)械散氣-水力旋流器的應(yīng)用及其自動(dòng)控制的實(shí)施和發(fā)展。

基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)及其網(wǎng)絡(luò)參數(shù)優(yōu)化——基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)受網(wǎng)絡(luò)參數(shù)的影響較大，選取適當(dāng)?shù)木W(wǎng)絡(luò)參數(shù)才能得到較優(yōu)的預(yù)測(cè)結(jié)果。本文介紹了人工神經(jīng)網(wǎng)絡(luò)原理及其網(wǎng)絡(luò)參數(shù)的優(yōu)化方法。以擋土樁樁頂水平位移預(yù)測(cè)為例，說(shuō)明其具體預(yù)測(cè)步驟及網(wǎng)絡(luò)參數(shù)優(yōu)...

根據(jù)a356泵體鑄件金屬型低壓鑄造特點(diǎn),結(jié)合生產(chǎn)實(shí)際,以a356泵體澆注工藝參數(shù)為研究對(duì)象,l16(45)型正交實(shí)驗(yàn)數(shù)據(jù)作為訓(xùn)練學(xué)習(xí)樣本,與正交實(shí)驗(yàn)成分有關(guān)的前16個(gè)樣本作為訓(xùn)練與檢驗(yàn),用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)和優(yōu)化,結(jié)果表明神經(jīng)網(wǎng)絡(luò)優(yōu)化后的模擬值最大誤差很小,cpu占用時(shí)間僅為40s。人工神經(jīng)網(wǎng)絡(luò)與正交實(shí)驗(yàn)相結(jié)合,能大大節(jié)省時(shí)間和費(fèi)用,降低cpu占用率,也證實(shí)了對(duì)a356泵體充型過(guò)程數(shù)值模擬的神經(jīng)網(wǎng)絡(luò)優(yōu)化是可行的。

針對(duì)隧道工程施工網(wǎng)絡(luò)計(jì)劃執(zhí)行率低的現(xiàn)狀,將遺傳算法和神經(jīng)網(wǎng)絡(luò)技術(shù)聯(lián)合用于隧道施工網(wǎng)絡(luò)計(jì)劃的動(dòng)態(tài)優(yōu)化與決策。基于遺傳優(yōu)化和神經(jīng)網(wǎng)絡(luò)方案(模式庫(kù)、專家知識(shí)系統(tǒng))的優(yōu)化決策方法能使該技術(shù)在隧道施工的應(yīng)用更科學(xué)合理、準(zhǔn)確可靠和方便快捷。該技術(shù)不僅能解決施工網(wǎng)絡(luò)計(jì)劃的執(zhí)行率低的現(xiàn)狀,而且為信息化和智能化的隧道施工提供了有力的技術(shù)保障,具有廣泛的應(yīng)用前景。

由于地下工程巖土力學(xué)參數(shù)的復(fù)雜性,在實(shí)際工程設(shè)計(jì)和施工中,要想得到比較準(zhǔn)確的巖土力學(xué)參數(shù)是比較困難的,而巖土參數(shù)對(duì)地下工程的設(shè)計(jì)和施工的成敗具有很重要的意義。本文利用遺傳神經(jīng)網(wǎng)絡(luò)優(yōu)化算法結(jié)合數(shù)值模擬試驗(yàn)對(duì)地下工程巖土力學(xué)參數(shù)進(jìn)行優(yōu)化反分析,并取得了良好的效果。

從空調(diào)負(fù)荷預(yù)測(cè)的目的出發(fā),詳細(xì)介紹了一種基于神經(jīng)網(wǎng)絡(luò)的混沌優(yōu)化方法,對(duì)誤差函數(shù)及搜索方法作了適當(dāng)?shù)母倪M(jìn),建立了一個(gè)混沌神經(jīng)網(wǎng)絡(luò)模型。并用此改進(jìn)的模型對(duì)一實(shí)例進(jìn)行了空調(diào)負(fù)荷預(yù)測(cè),結(jié)果表明該方法簡(jiǎn)便、足夠準(zhǔn)確可靠。

基于解耦子波和優(yōu)化神經(jīng)網(wǎng)絡(luò)的大壩變形預(yù)測(cè)——針對(duì)提高神經(jīng)網(wǎng)絡(luò)對(duì)大壩變形的預(yù)測(cè)能力，在對(duì)murtagh提出的、小波與神經(jīng)網(wǎng)絡(luò)相結(jié)合的、用于復(fù)雜時(shí)間序列預(yù)測(cè)的“三階段”策略進(jìn)行改進(jìn)的基礎(chǔ)上，發(fā)展了一個(gè)解耦子波和優(yōu)化神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)聯(lián)合的預(yù)測(cè)模型。首先，利...

神經(jīng)網(wǎng)絡(luò)在巖土工程觀測(cè)數(shù)據(jù)優(yōu)化中的應(yīng)用——利用人工神經(jīng)網(wǎng)絡(luò)獨(dú)特的結(jié)構(gòu)和處理信息的方法，以實(shí)際工程為背景，編制了巖土工程觀測(cè)數(shù)據(jù)優(yōu)化程序，結(jié)合德興銅礦2號(hào)尾礦壩b-b測(cè)線浸潤(rùn)線觀測(cè)實(shí)例進(jìn)行分析研究，使得優(yōu)化的結(jié)果與實(shí)際相吻臺(tái)。

CO焊接工藝參數(shù)優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

本文提出了一種利用神經(jīng)網(wǎng)絡(luò)優(yōu)化點(diǎn)焊機(jī)的參數(shù)方法。以實(shí)驗(yàn)數(shù)據(jù)為樣本,通過(guò)神經(jīng)網(wǎng)絡(luò)建立焊接工藝參數(shù)與焊接質(zhì)量的之間的復(fù)雜模型,利用神經(jīng)網(wǎng)絡(luò)對(duì)工藝參數(shù)進(jìn)行優(yōu)化。充分發(fā)揮神經(jīng)網(wǎng)絡(luò)的非線性映射能力。仿真顯示了該方法的優(yōu)越性和有效性。

重量 （kg/臺(tái)時(shí)） 體積 （升/臺(tái)時(shí)） 1推土機(jī)t604.85.710.6 2推土機(jī)t8025.36.310.66 3推土機(jī)t14089.521 4推土機(jī)t1708.39.881.04 5推土機(jī)ty22012.815.241.6 6裝載機(jī)zl4010.112.021.26 7裝載機(jī)zl5011.713.931.46 8裝載機(jī)沃爾沃13.716.311.71 9挖掘機(jī)0.8m313.616.191.7 10挖掘機(jī)1m31517.861.875 11挖掘機(jī)1.4m320.424.292.55 12挖掘機(jī)1.6m327.232.383.4 13平地機(jī)py1609.711.551.2125 14平地機(jī)py18011.113.211.3875 15平地機(jī)

9～副伽整 ·97· ，‘“‘‘‘‘‘‘ii‘‘‘‘‘“ii?‘萼 ；開(kāi)發(fā)與創(chuàng)新l 每ttt，t，·，，，，，，，”，，u，·f 神經(jīng)網(wǎng)絡(luò)技術(shù)在機(jī)械工程中的應(yīng)用與展望 a摘要簡(jiǎn)單介紹了?工神經(jīng)同絡(luò)的基車原理、基本特征及其在機(jī)械工程中的應(yīng) 蘭究了關(guān)鍵誨．控堅(jiān)隧{$顯墼望i唾中圈號(hào)th。引?thf7。。／ 引吉1]口j 自80年代中期以來(lái)，美、日等國(guó)掀起了竟相研究和開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò)(neu哪ne0rb)的熱 潮。1978年。國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)(internati0ilalneuralnetworkss0city．簡(jiǎn)稱n~qs)正式成立． 1988年，美國(guó)國(guó)防部高級(jí)研究計(jì)劃局(簡(jiǎn)稱darpa)宣布投資4億美元，執(zhí)行一項(xiàng)為期八年的 神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)研制計(jì)劃．日本。人類前沿科學(xué)計(jì)期”(簡(jiǎn)稱}璐p)準(zhǔn)備投資七千美元于神經(jīng)網(wǎng)

針對(duì)傳統(tǒng)方法單獨(dú)采用bp神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問(wèn)題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于mimo-ofdm系統(tǒng)信號(hào)檢測(cè)中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值,使bp網(wǎng)絡(luò)快速收斂到最優(yōu)解,避免了由初始值的隨機(jī)選取而帶來(lái)的檢測(cè)誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。

文章以熱泵機(jī)組為研究對(duì)象,從實(shí)驗(yàn)測(cè)試的角度建立故障-征兆模型。采用bp神經(jīng)網(wǎng)絡(luò)對(duì)熱泵機(jī)組進(jìn)行故障診斷并利用matlab仿真,仿真結(jié)果表明基于bp神經(jīng)網(wǎng)絡(luò)的熱泵機(jī)組故障診斷實(shí)現(xiàn)簡(jiǎn)單且效果較好。

從操作和控制的觀點(diǎn)來(lái)看,對(duì)一臺(tái)球磨機(jī)牽引功率的估算是非常重要的。影響牽引功率的因素很多,所以在生產(chǎn)廠,牽引功率的預(yù)測(cè)尤其困難,影響牽引功率的重要因素是磨機(jī)尺寸和運(yùn)行參數(shù),盡管對(duì)任何給定的磨機(jī)來(lái)說(shuō),磨機(jī)尺寸是保持不變的,但是例如象球荷、磨機(jī)充填率及磨機(jī)速度一類的操作因素可能發(fā)生變化,這就使得建模工作極其麻煩。正是這個(gè)原因,人們考慮用人工神經(jīng)網(wǎng)絡(luò)去開(kāi)發(fā)用于預(yù)測(cè)牽引功率的黑箱式模型。在建立和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的工程中,一共使用了四十八套選廠數(shù)據(jù),訓(xùn)練后的網(wǎng)絡(luò)所預(yù)測(cè)出的功率與很多環(huán)境中的實(shí)際運(yùn)行的磨機(jī)功率十分吻合。此外,模擬的結(jié)果可與從基于離散元法的牽引功率模型得來(lái)的結(jié)果進(jìn)行比較。

針對(duì)工業(yè)控制系統(tǒng)入侵檢測(cè)模型對(duì)各類攻擊的檢測(cè)率和檢測(cè)效率不高的問(wèn)題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)模型.首先利用主成分分析法對(duì)原始數(shù)據(jù)集進(jìn)行預(yù)處理,消除其相關(guān)性；其次利用adaboost算法對(duì)訓(xùn)練樣本的權(quán)重進(jìn)行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值；最后再通過(guò)adaboost算法將bp弱分類器組合成bp強(qiáng)分類器,從而實(shí)現(xiàn)工業(yè)控制系統(tǒng)的異常檢測(cè).實(shí)驗(yàn)結(jié)果表明該方法在對(duì)各攻擊類型的檢測(cè)率和測(cè)試時(shí)間明顯優(yōu)于其他算法模型.

shaffer函數(shù)定義域在[-10,10]區(qū)間內(nèi),bp神經(jīng)網(wǎng)絡(luò)擬合該函數(shù)訓(xùn)練時(shí)間長(zhǎng),且無(wú)法達(dá)到期望精度,說(shuō)明bp神經(jīng)網(wǎng)絡(luò)擬合復(fù)雜非線性函數(shù)能力需改善.文章提出了一種改進(jìn)的bp神經(jīng)網(wǎng)絡(luò),先對(duì)網(wǎng)絡(luò)的輸入進(jìn)行k-means聚類,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用大規(guī)模節(jié)點(diǎn),聚類輸入分別激活部分節(jié)點(diǎn)進(jìn)行訓(xùn)練,每組聚類使用不同的節(jié)點(diǎn),通過(guò)子網(wǎng)絡(luò)訓(xùn)練聚類樣本,減少了網(wǎng)絡(luò)擬合難度.經(jīng)測(cè)試改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)達(dá)到了精度.最后,用改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行了軸徑的最優(yōu)計(jì)算.