基于PSO-BP神经网络和NSGA-II的激光切割加工建模及参数优化选择方法

    公开(公告)号:CN113505519B

    公开(公告)日:2024-05-28

    申请号:CN202110391904.1

    申请日:2021-04-13

    Abstract: 本发明公开了基于PSO‑BP神经网络和NSGA‑II的激光切割加工建模及参数优化选择方法,通过已有的激光切割加工数据,利用经过PSO‑BP优化后的BP神经网络建立神经网络模型,并通过NSGA‑II多目标优化算法优化选择激光加工参数。将构建的建模样本集进行归一化处理,获得归一化样本集;根据归一化样本集,利用粒子群优化算法(PSO)优化BP神经网络的初始权重、误差,隐含层节点数和激活函数。本发明通过自动化建模和智能优化方法,对于难以抉择的加工参数选择问题给出最为合适的加工参数组合建议,能在提高加工质量的同时降低加工成本,能源消耗等,提高了模型和优化为稳定性。

    数控机床精度分配多目标优化方法

    公开(公告)号:CN109522643B

    公开(公告)日:2023-10-03

    申请号:CN201811355152.8

    申请日:2018-11-14

    Abstract: 本发明公开了数控机床精度分配多目标优化方法,数控机床精度优化问题分别选取代表经济效益的成本、代表实用效益的可靠性和代表产品质量的稳健性三个相关的指标来衡量精度分配方案的优劣。以数控机床各功能部件之间的几何误差为设计变量,以数控机床模糊精度成本最小、可靠性和稳健性评分最大为目标,以设计机床设计要求和设计技术条件为约束的多目标优化数学规划问题;本发明完善了数控机床整机精度建模方法,进行精度分配时,通过建立数控机床相关成本一几何误差模型、数控机床相关可靠性一几何误差模型、数控机床几何误差一容差约束稳健指标模型,进而建立数控机床关于精度的多目标优化模型,为之后的精度分配提供理论依据。

    双摆头龙门机床C轴误差参数辨识方法

    公开(公告)号:CN113977352B

    公开(公告)日:2024-11-05

    申请号:CN202111426708.X

    申请日:2021-11-27

    Abstract: 本发明公开了双摆头龙门机床C轴误差参数辨识方法,实现该方法的球杆仪是由两个球,一个可伸长和两个磁力碗座杆组成。两个球分别为工件球和刀具球。两个精密磁力碗座,一个磁力碗座连接在机床工作台上,另一个连接在机床主轴或主轴箱上。伸长杆由传感其测量得到实际数值。本方法首先运用多体理论建立工件球和刀具球位置关系。其次通过参数化建模,推导出球杆仪杆长增量与C轴几何误差参数线性模型。然后根据给定的五种测量路径来获取不同转角下杆长增量。最后通过最小二乘法来计算出C轴5项几何误差参数。本发明采用单轴驱动形式,探索出一中简单、快速、准确的旋转轴几何误差参数辨识方法。

    一种磨床主轴热误差预测方法

    公开(公告)号:CN114153180B

    公开(公告)日:2024-03-26

    申请号:CN202111426706.0

    申请日:2021-11-27

    Abstract: 本发明公开了一种磨床主轴热误差预测方法,通过建立主轴热扩张模型和基于人工神经网络热误差预测模型,揭示了主轴部分的温度差,热能以及热扩张的关系,为提高主轴加工精度提供新思路。利用热传导理论建立温差与热变形的关系,揭示了主轴热变形本质。然后以主轴表面和外界环境的温差为神经网络模型的输入来预测主轴热变形量。最后通过反向传播算法来训练该预测模型来确定模型参数。本发明学习样本少、训练时间短、自适应性较好。此外,转速、主轴负荷的大小,都可以通过神经网络的输入温差来反映。因此,本发明将广泛适用于不同的磨削条件。

    双摆头龙门机床C轴误差参数辨识方法

    公开(公告)号:CN113977352A

    公开(公告)日:2022-01-28

    申请号:CN202111426708.X

    申请日:2021-11-27

    Abstract: 本发明公开了双摆头龙门机床C轴误差参数辨识方法,实现该方法的球杆仪是由两个球,一个可伸长和两个磁力碗座杆组成。两个球分别为工件球和刀具球。两个精密磁力碗座,一个磁力碗座连接在机床工作台上,另一个连接在机床主轴或主轴箱上。伸长杆由传感其测量得到实际数值。本方法首先运用多体理论建立工件球和刀具球位置关系。其次通过参数化建模,推导出球杆仪杆长增量与C轴几何误差参数线性模型。然后根据给定的五种测量路径来获取不同转角下杆长增量。最后通过最小二乘法来计算出C轴5项几何误差参数。本发明采用单轴驱动形式,探索出一中简单、快速、准确的旋转轴几何误差参数辨识方法。

    基于PSO-BP神经网络和NSGA-II的激光切割加工建模及参数优化选择方法

    公开(公告)号:CN113505519A

    公开(公告)日:2021-10-15

    申请号:CN202110391904.1

    申请日:2021-04-13

    Abstract: 本发明公开了基于PSO‑BP神经网络和NSGA‑II的激光切割加工建模及参数优化选择方法,通过已有的激光切割加工数据,利用经过PSO‑BP优化后的BP神经网络建立神经网络模型,并通过NSGA‑II多目标优化算法优化选择激光加工参数。将构建的建模样本集进行归一化处理,获得归一化样本集;根据归一化样本集,利用粒子群优化算法(PSO)优化BP神经网络的初始权重、误差,隐含层节点数和激活函数。本发明通过自动化建模和智能优化方法,对于难以抉择的加工参数选择问题给出最为合适的加工参数组合建议,能在提高加工质量的同时降低加工成本,能源消耗等,提高了模型和优化为稳定性。

    一种磨床主轴热误差预测方法

    公开(公告)号:CN114153180A

    公开(公告)日:2022-03-08

    申请号:CN202111426706.0

    申请日:2021-11-27

    Abstract: 本发明公开了一种磨床主轴热误差预测方法,通过建立主轴热扩张模型和基于人工神经网络热误差预测模型,揭示了主轴部分的温度差,热能以及热扩张的关系,为提高主轴加工精度提供新思路。利用热传导理论建立温差与热变形的关系,揭示了主轴热变形本质。然后以主轴表面和外界环境的温差为神经网络模型的输入来预测主轴热变形量。最后通过反向传播算法来训练该预测模型来确定模型参数。本发明学习样本少、训练时间短、自适应性较好。此外,转速、主轴负荷的大小,都可以通过神经网络的输入温差来反映。因此,本发明将广泛适用于不同的磨削条件。

    汽车减震器自动生产线三维本体上料机械手

    公开(公告)号:CN110480669A

    公开(公告)日:2019-11-22

    申请号:CN201910804045.7

    申请日:2019-08-28

    Abstract: 本发明公开了汽车减震器自动化生产线的上料机械手,本机械手是由执行机构、驱动系统组成的,其中机体有本体部分组成;传送机构主要有伸缩臂及抓紧机构组成;动力源由气压驱动和机械驱动两种形式构成。将零件从零件箱中取出并送到检测台,检测后将零件取走送到指定位置进行下一步操作。本文将对取料和送料机械手进行设计。其中取料机械手是通过伺服电机带动进行X轴和Y轴的运动,通过气缸运动来实现Z轴方向的运动。而对于送料机械手则是通过气缸实现两个自由度的运动。通过对机械手的设计,达到减轻工人劳动强度,节约加工辅助时间,提高生产效率和生产力的效果。

    数控机床精度分配多目标优化方法

    公开(公告)号:CN109522643A

    公开(公告)日:2019-03-26

    申请号:CN201811355152.8

    申请日:2018-11-14

    Abstract: 本发明公开了数控机床精度分配多目标优化方法,数控机床精度优化问题分别选取代表经济效益的成本、代表实用效益的可靠性和代表产品质量的稳健性三个相关的指标来衡量精度分配方案的优劣。以数控机床各功能部件之间的几何误差为设计变量,以数控机床模糊精度成本最小、可靠性和稳健性评分最大为目标,以设计机床设计要求和设计技术条件为约束的多目标优化数学规划问题;本发明完善了数控机床整机精度建模方法,进行精度分配时,通过建立数控机床相关成本一几何误差模型、数控机床相关可靠性一几何误差模型、数控机床几何误差一容差约束稳健指标模型,进而建立数控机床关于精度的多目标优化模型,为之后的精度分配提供理论依据。

Patent Agency Ranking