高温合金GH2132的耐用度和磨损规律

本文通过对比试验研究了高温合金GH2132在无涂层硬质合金刀具、Ti Al N涂层硬质合金刀具和C7 PLUS涂层硬质合金刀具切削下的耐用度和磨损规律。结果表明:C7 PLUS涂层硬质合金刀具切削的耐用度最好;磨损规律分析表明硬质合金刀具在切削GH2132合金时,低速时刀具主要发生粘结磨损和磨粒磨损,高速时主要发生扩散磨损,同时也会发生磨粒磨损。     

人造板切削加工刀具离子氮化处理

对表面离子氮化处理后的人造板切削加工刀具与未经处理的刀具进行切削性能的对比实验。得出离子氮化处理工艺能够有效地提高人造板切削刀具的耐用度。降低刀具切削刃的磨损；降低人造板生产加工的成本，提高劳生产效率和经济效益。     

氟涂层刀具铣削饰面刨花板的切削性能

分析氟涂层刀具铣削饰面刨花板的切削性能,为氟涂层刀具在木材切削加工领域应用提供理论指导。利用CNC加工中心分别进行未涂层刀具和氟涂层刀具铣削饰面刨花板试验,采用工具显微镜和扫描电镜拍摄刀具前后刀面的磨损形貌,采用超景深三维显微镜对饰面刨花板的切削加工表面进行粗糙度测量,研究氟涂层刀具铣削饰面刨花板的切削性能。结果表明,在相同的铣削长度条件下,氟涂层刀具铣削饰面刨花板的后刀面磨损带宽度显著低于未涂层刀具的后刀面磨损带宽度,且随着铣削长度的逐渐增加,未涂层刀具磨损带宽度增加急剧,而涂层刀具磨损带宽度增大缓慢;氟涂层刀具主要为磨料磨损,可以有效减少胶黏剂和刨花颗粒产生的黏结磨损,且降低崩刃现象;在相同的铣削长度条件下,氟涂层刀具铣削饰面刨花板的切削表面粗糙度值明显低于未涂层刀具铣削饰面刨花板的切削表面粗糙度值,且铣削饰面刨花板的刨花层可显著减少表面毛刺和凹坑,且饰面耐磨层崩边较少。因此,氟涂层刀具铣削饰面刨花板可以有效降低刀具磨损,提高饰面刨花板切削表面质量。     

Al_2O_3－SiCp新型陶瓷刀具加工奥氏体不锈钢的性能研究

本文利用山东工业大学新研制的Ａｌ２Ｏ３－ＳｉＣｐ陶瓷刀具对难加工材料奥氏体不锈钢１Ｃｒ１８Ｎｉ９Ｔｉ进行了干式和湿式切削试验，并与厂家推荐的常用刀具材料ＹＧＳ进行了对比实验．结果表明，Ａ１２Ｏ３一ＳｉＣｐ陶瓷刀具的切削性能较ＹＧ８有明显提高，特别是在高速切削时．刀具磨损速度显著降低。另外，本文还对该刀具材料在不同切削条件下的切削性能进行了分析。     

铣削硬质纤维板时不同材料木工刀具的磨损形态

借助显微照相和对刀具磨损过程中的刀刃退缩量、刃口圆弧半径、前、后刀面磨损区的宽度、前、后角变化量以及负间隙等磨损参数的测量分析,研究了高速钢和硬质合金刀具在一般切削条件下铣削硬质纤维板时的磨损形态。结果发现,两种刀具的刀刃退缩量虽然都随切削路程的增加而增加,但磨损后的微观几何形状却各有特点:高速钢刀具在初期磨损阶段后,刀口圆弧半径基本不再加大,磨损主要集中在后刀面,表现为负间隙的不断加大;硬质合金刀具的刃口圆弧半径随切削路程的增加基本成线性增加关系,同时负间隙也不断加大。研究表明,可以用刀刃退缩量来表示刀具的磨损程度,以负间隙表示刀具的变钝程度,以磨损参数的集合来描述刀具的磨损形态。本文建议重磨应以刀具磨损后的微观几何形状变化为依据。     

模糊自组织网络在刀具磨损状态监测中的应用

应用模糊逻辑和无教师自组织神经网络进行车削过程刀具磨损状态监测.根据典型切削条件组合建立由多个子网络组成的自组织网络阵列,其中每一子网络对应一种典型切削条件,并进行训练.对于具体切削条件,运用模糊逻辑技术选取对应的优化子网络.文中所建名为Fuzzy-SOM-TWC监测系统的运行基于加工过程实时采集的切削力、声发射以及电机电流信号.切削实验用于训练和检验监测系统,实验结果显示其对于刀具磨损状态的识别正确率可达到98%-100%.     

低温氮气油雾对陶瓷刀具加工镍基K424合金的影响

在于切削、低温氮气和低温氮气油雾3种冷却润滑条件下,通过Sialon陶瓷刀具和SiC晶须增韧Al2O3陶瓷刀具车削K424镍基高温合金的实验,研究了低温氮气及油雾对刀具磨损和表面粗糙度的影响,开发了一个新的冷却系统以获得低温氮气.试验结果表明,切深线沟槽磨损严重限制陶瓷刀具使用寿命,与干切削相比,使用低温氮气和低温氮气油雾增加了切深线沟槽磨损速率,但降低了已加工表面的质量.     

具有自学习功能的车削专家系统的研究

针对传统金属切削数据库中数据冗余、知识贫乏、切削参数与实际切削加工条件结合不紧密等问题,研究开发了一个具有自学习功能的硬质合金车削专家系统.该系统采用切削实验得出的浓缩型数学模型方式存储切削用量数据,利用自学习功能对切削数学模型进行修正,可以推荐合理优化的刀具、切削速度和刀具寿命等加工参数,预测加工质量、金属去除率等.     

基于偏最小二乘回归方法的木工刀具磨损分析与建模1）

对在不同切削条件下木材切削加工过程木工刀具磨损的多组试验数据,采用PLSR方法,根据变量重要性指标分析和因子载荷分析,从7个变量及其组合中筛选出了5个用于建模的自变量,以刀具磨损量作为因变量,建立了对所选自变量（切削速度 vc、切削路径lc、切削深度ae、刀具后角α以及刃磨角β等）的PLSR模型;采用建模数据覆盖的切削条件下的试验数据和建模数据未覆盖的切削条件下的试验数据,分别对模型进行了验证。结果表明,采用PLSR方法选择的自变量是合理的,所建立的木工刀具磨损的回归模型可以较满意地计算出不同切削条件下木工刀具的磨损量。     

基于偏最小二乘回归方法的木工刀具磨损分析与建模

对在不同切削条件下木材切削加工过程木工刀具磨损的多组试验数据,采用PLSR方法,根据变量重要性指标分析和因子载荷分析,从7个变量及其组合中筛选出了5个用于建模的自变量,以刀具磨损量作为因变量,建立了对所选自变量(切削速度vc、切削路径lc、切削深度ae、刀具后角α以及刃磨角β等)的PLSR模型;采用建模数据覆盖的切削条件下的试验数据和建模数据未覆盖的切削条件下的试验数据,分别对模型进行了验证。结果表明,采用PLSR方法选择的自变量是合理的,所建立的木工刀具磨损的回归模型可以较满意地计算出不同切削条件下木工刀具的磨损量。     

稻米品质综合评价的人工神经网络方法

基于人工神经网络 (ANN)理论 ,面向稻米品质的综合评价问题 ,分别开发了 SOM和 BP神经网模型 ;研究了模型的设计、利用观测数据建立网络结构训练样本集以及网络学习等问题 ;从不同角度分别对杂交籼稻雄性不育保持系和恢复系两组供试亲本的品质样本进行聚类和综合评价 .实际仿真结果表明 ,ANN用于米质评价是科学、有效的 ,而且方法简便、速度快     

神经网络在函数逼近中的应用

基于神经网络,通过采集样本数据研究了函数逼近问题,并就神经网络性能指标在该函数逼近过程中的影响进行了分析。研究结果表明,在大量合理的输入输出数据存在时,神经网络可以对未知函数进行无限的逼近。     

加工过程的神经网络自适应控制

研究了加工过程智能控制的神经网络方法,分析了加工过程模型、神经网络建模和神经网络自适应控制。提出了用双网结构的控制策略对加工过程进行控制,NNI网络实现加工过程的系统辨识,进行在线建模;NNC网络根据系统的当前状态实现切削参数的自适应调整来优化加工过程,提高加工效率。仿真试验结果表明这种控制策略的可行性和有效性。     

人工神经网络的研究

This paper summarizes the history and current development of artificial neural networks (ANN), and briefly introduces the ANN study on modelling building and learning mechanism. It emphatically probes into the realization of neural networks and neural com     

Identification of the 1H-NMR spectra of complex oligosaccharides with artificial neural networks

Artificial networks can be used to identify hydrogen nuclear magnetic resonance (1H-NMR) spectra of complex oligosaccharides. Feed-forward neural networks with back-propagation of errors can distinguish between spectra of oligosaccharides that differ by only one glycosyl residue in twenty. The artificial neural networks use features of the strongly overlapping region of the spectra (hump region) as well as features of the resolved regions of the spectra (structural reporter groups) to recognize spectra and efficiently recognized 1H-NMR spectra even when the spectra were perturbed by minor variations in their chemical shifts. Identification of spectra by neural network-based pattern recognition techniques required less than 0.1 second. It is anticipated that artificial neural networks can be used to identify the structures of any complex carbohydrate that has been previously characterized and for which a 1H-NMR spectrum is available.     

木材干燥过程的Elman神经网络模型研究

[目的]研究木材干燥过程的Elman神经网络模型。[方法]在人工神经网络理论的基础上,选用Elman神经网络建立木材干燥过程模型。针对木材干燥过程的特点,Elman神经网络利用木材干燥过程材堆的温度、湿度以及对应的木材含水率建立模型。[结果]通过实际干燥过程数据对模型的准确度进行验证,结果表明Elman神经网络利用少量数据就可以建立模型,并且模型预测精度高,对数据的联想记忆和优化能力强。[结论]Elman神经网络建立的木材干燥过程模型准确,对于提高木材干燥过程的控制水平具有重要研究意义。     

BP和RBF神经网络短时交通流预测结果比较

对BP神经网络和RBF神经网络这2种模型的特征进行了分析,并将其应用于某高速公路的短时流量预测,比较了2种神经网络模型的预测结果。从量化的角度进一步证实了在交通流预测领域RBF神经网络比BP神经网络更快捷、更准确,从而更适合应用于对实时性和准确性要求比较高的交通系统。     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

一种基于神经网络的结构参数识别方法

提出了一种基于神经网络的结构参数识别方法，该方法以残余力向量作为结构参数识别的网络输入。针对训练样本在数据空间分布不均匀的问题，采用ＧＳＬ变换对训练样本数据进行预处理。从而提高了网络收敛速度及参数识别精度。本文算例说明了方法的有效性。     

人工神经网络在林业中的应用现状与趋势

通过概述人工神经网络的概念和常用模型,对人工神经网络在林业资源管理和动态监测、森林植被和立地分类与识别、森林灾害预防和森林生态系统评价中的应用现状进行综述,并对人工神经网络技术在林业中的应用趋势进行探讨.