基于BP神经网络的齿圈装夹变形预测研究

发布时间：2022-05-08 21:38

　　针对薄壁齿圈的装夹变形问题,将Abaqus有限元仿真与BP神经网络技术应用到了齿圈装夹变形预测中。根据齿圈实际加工装夹情况,应用Abaqus有限元分析软件,建立了齿圈装夹变形的仿真模型,开展了齿圈装夹变形的有限元分析研究,建立了齿圈装夹力及其径向最大装夹变形之间的关系;以Abaqus有限元仿真数据作为训练样本和检验样本,借助BP神经网络良好的预测精度和非线性泛化能力,通过MATLAB神经网络工具箱,建立了基于BP神经网络的齿圈装夹变形预测数字化模型;并根据检验样本对模型进行了检验,预测值与仿真值之间的相对误差在0.05%之内。研究结果表明:建立的基于BP神经网络的齿圈装夹变形预测数字化模型是准确有效的,可以为智能化大数据加工制造环境下的齿圈装夹参数优化提供准确有效的数据。 

【文章页数】：6 页

【文章目录】：
0 引 言
1 齿圈装夹变形的有限元分析
    1.1 齿圈装夹方案的约束条件
        (1)静力平衡约束。
        (2)滑移约束。
        (3)接触约束。
    1.2 齿圈装夹变形的有限元仿真模型
        (1)几何模型。
        (2)材料属性。
        (3)接触设置。
        (4)网格划分。
        (5)仿真结果。
2 齿圈装夹变形的BP神经网络预测
    2.1 BP神经网络模型结构
        (1)BP神经网络模型。
        (2)BP神经元模型。
    2.2 BP神经网络的训练过程
    2.3 BP神经网络训练算法
    2.4 齿圈装夹变形预测模型构建过程
3 结束语


【参考文献】：
期刊论文
[1]基于神经网络与遗传算法的薄壁件多重装夹布局优化[J]. 秦国华,赵旭亮,吴竹溪.  机械工程学报. 2015(01)
[2]应用人工神经网络预测高速铣削淬硬钢的切削力[J]. 陈远玲,龙卫仁,张宝磊.  机械设计与制造. 2009(10)

硕士论文
[1]航空薄壁件装夹布局优化研究[D]. 张婷.南昌航空大学 2017
[2]薄壁件装夹变形预测及装夹布局优化方法[D]. 赵旭亮.南昌航空大学 2014
[3]基于变形控制的薄壁件铣削加工参数优化及仿真研究[D]. 李目.南京航空航天大学 2010
[4]薄壁件加工过程优化仿真技术研究[D]. 陈华.南京航空航天大学 2008
[5]精密薄壁零件装夹变形的分析与控制研究[D]. 周小兵.南京航空航天大学 2006



本文编号：3652418