基于改进BP神经网络的再制造工艺方案选择研究

发布时间：2018-04-09 23:16

  本文选题：再制造工艺　切入点：工艺选择　出处：《组合机床与自动化加工技术》2017年11期

【摘要】：针对实际生产过程中废旧零部件失效形式的多样性及再制造工艺路线的复杂性,为了能快速精确的确定再制造工艺方案,对废旧零部件再制造工艺特征属性进行提取,建立了再制造工艺方案决策的BP神经网络模型,提出一种将L-M算法引入到BP神经网络的训练过程中的方法,并对该模型进行求解。将改进后的BP神经网络模型应用于某废旧机床主轴再制造工艺决策中,借助Matlab软件实现了再制造工艺方案的智能决策,并且与未改进的BP神经网络方法进行对比,验证了所提出方法的优越性。
[Abstract]:In view of the diversity of failure forms of waste parts and the complexity of remanufacturing process in actual production process, in order to determine the remanufacturing process plan quickly and accurately, the characteristics of remanufacturing process of waste parts and components are extracted.A BP neural network model for remanufacturing process scheme decision is established, and a method of introducing L-M algorithm into the training process of BP neural network is proposed, and the model is solved.The improved BP neural network model is applied to the decision-making of the remanufacturing process of the spindle of a waste machine tool. The intelligent decision of the remanufacturing process scheme is realized with the help of Matlab software, and compared with the unimproved BP neural network method.The superiority of the proposed method is verified.
【作者单位】： 武汉科技大学机械自动化学院;
【分类号】：TH162

【相似文献】

相关期刊论文 前10条

1 贾爽;贺利乐;;基于粒子群优化SOM神经网络的轴系多振动故障诊断[J];机械传动;2011年06期

2 唐贵基;杨玉婧;宋彩萌;;基于神经网络的旋转机械振动故障诊断[J];机械工程师;2012年01期

3 栾美洁;许飞云;贾民平;;旋转机械故障诊断的神经网络方法研究[J];噪声与振动控制;2008年01期

4 高强;钱林方;侯远龙;王力;;泵控缸电液位置伺服系统的神经网络模型参考自适应控制[J];机床与液压;2008年06期

5 徐小力;左云波;吴国新;;量子神经网络在旋转机组状态趋势预测中的应用[J];机械强度;2010年04期

6 何文;同淑荣;王克勤;;基于神经网络的质量控制图异常诊断[J];机械制造;2013年05期

7 许宁,黄之初;神经网络在旋转机械故障诊断中的应用研究[J];矿山机械;2005年08期

8 宋文杰;刘伯峰;王平;姜冰;;基于小波—神经网络的故障劣化趋势检测[J];职大学报(自然科学版);2006年02期

9 王志涛;肖明清;谢化勇;禚真福;薛辉辉;;基于神经网络的故障诊断效能模糊综合评价研究[J];计算机测量与控制;2011年12期

10 戴中浩;林琼;王秋成;;基于神经网络的再制造自动变速箱检测及试验研究[J];机械制造;2012年01期

相关会议论文 前10条

1 杜福银;封其勃;;一种基于Hopfield神经网络作业车间调度问题的优化方法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

2 宋国明;王厚军;姜书艳;刘红;;基于神经网络的融合智能诊断方法在模拟电路故障诊断中的应用[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 宋轶民;余跃庆;张策;马文贵;;基于神经网络的机敏机构振动自校正控制[A];第十二届全国机构学学术研讨会论文集[C];2000年

4 吴洪民;;气动伺服定位系统的神经网络模糊自适应PID控制[A];第一届全国流体动力及控制工程学术会议论文集（第二卷）[C];2000年

5 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];液压与气动学术研讨会论文集[C];2004年

6 黎启柏;桂佩佩;韩君;;二次调节控制系统的模糊-神经网络自学习自适应控制[A];第三届全国流体传动及控制工程学术会议论文集（第三卷）[C];2004年

7 曹春红;张斌;王利民;李文辉;;基于免疫神经网络的几何约束求解技术的研究[A];第二十七届中国控制会议论文集[C];2008年

8 谢进;阎开印;陈永;;神经网络技术在平面机构综合中的应用[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（下册）[C];2002年

9 李振河;胡顺利;杨利芬;李平军;常根生;;制造企业与制造工艺(摘要)[A];2010全国机电企业工艺年会《上海电气杯》征文论文集[C];2010年

10 单忠德;战丽;董晓丽;;机械工业传统制造工艺绿色化技术研究[A];节能环保 和谐发展——2007中国科协年会论文集（一）[C];2007年

相关重要报纸文章 前1条

1 MEB记者 何弦;“变革”而非“替代”3D打印或将实现传统机床制造工艺提升[N];机电商报;2013年

相关博士学位论文 前1条

1 李双跃;制造工艺资源建模技术及其在夹具设计支持系统中的应用[D];四川大学;2006年

相关硕士学位论文 前10条

1 王栗;面向电机轴承的快速故障诊断方法研究[D];沈阳理工大学;2015年

2 于会超;机械触觉机构及控制的研究与应用[D];华北理工大学;2015年

3 李捷;基于神经网络的轴承故障诊断技术研究[D];电子科技大学;2015年

4 宋银芳;桥式起重机故障分析与故障率预测方法研究[D];安徽理工大学;2016年

5 高芮;基于神经网络的机械故障诊断技术的研究[D];青岛科技大学;2016年

6 程翔;基于神经网络的轮带系统横向振动的变结构控制[D];福州大学;2014年

7 庞艳艳;基于选择性神经网络的故障诊断研究[D];华中科技大学;2014年

8 徐铭志;基于神经网络PID的金属带式无级变速器速比控制研究[D];燕山大学;2016年

9 齐放;基于极限学习机的设备故障预测方法及应用研究[D];北京化工大学;2016年

10 尤海鑫;BP神经网络与模糊逻辑在智能故障诊断中的应用[D];大连交通大学;2014年

，

本文编号：1728600