彭和平[1]2004年在《曲轴圆角滚压变形分析及校直专家系统的研究》文中研究说明曲轴作为典型的非均质结构的零件，尺寸过渡处存在应力集中。大量理论研究和实践表明，曲轴的疲劳破坏大多发生在曲柄与主轴颈、连杆轴颈的过渡圆角处。为了提高其疲劳强度必须对曲轴的这些部位实施滚压强化工艺，然而曲轴弯曲刚度低，经过滚压强化后易变形，若对它再进行一次弯曲校直，则原来经过滚压产生的压应力将消失，失去了滚压强化的意义。只能采取校直滚压工艺，即对曲轴的某些部位用不同的滚压力再进行校直滚压，直到测量的曲轴的不直度合要求为止。由于曲轴的形状复杂，由理论计算确定曲轴的校直滚压力和校直部位存在较大误差，需要根据各种曲轴变形情况下校直滚压实验数据编制校直专家系统，曲轴校直滚压需在该专家系统指导下工作。本论文结合曲轴圆角滚压强化和校直智能加工系统的研究课题，对曲轴圆角滚压中的工艺参数进行了研究；用ANSYS工程软件对曲轴圆角滚压中的变形规律进行分析求解；运用叁层前馈神经网络建立曲轴圆角滚压校直的网络模型，同时对曲轴滚压校直神经网络专家系统的程序设计进行探讨。具体做了以下几个方面的工作： 1、曲轴圆角滚压工艺参数如滚压力、滚压圈数、滚压速度等的确定，以及它们对曲轴疲劳强度的影响。 2、利用ANSYS有限元分析软件分别建立曲轴连杆轴颈、主轴颈圆角滚压模型，进行变形分析计算。绘出曲轴圆角滚压后的位移云图，确定滚压后主轴颈的跳动量，Von Mises等效应力云图，Von Mises等效应变云图等。通过有限元分析找出曲轴圆角滚压的变形规律，为曲轴滚压校直工艺提供指导，并为校直专家系统的编制提供参考。 3、对曲轴圆角滚压变形的数学模型及滚压校直工作机理进行了探讨。结合曲轴圆角滚压校直的实践，深入地研究了曲轴在恒定压力下滚压校直规律，即如何确定曲轴在恒定压力下校直滚压方位和滚压力的大小，为曲轴滚压校直专家系统的建立提供依据，并就专家系统的产生式规则、总数据库的建立以及控制策略进行了分析探讨。 4、考虑到理论分析计算的局限性，曲轴滚压变形规律的复杂性，本文结合神经网络的发展，提出了神经网络专家系统的基本原理与结构。运用叁层前馈神经网络建立曲轴圆角滚压校直模型，探讨如何运用合理的方法进行网络输入层、隐含层、输出层节点的选择。对于所设计的网络算法，探讨几种典型方法，提高网络的学习速度，增强系统的自学习、自适应能力。探讨了网络训练算法中训练过程的不确定性、冗长的训练时间、实时性差等问题，对学习速度慢，存在能量函数局部极小值等问题进行了改进。同时对曲轴滚压校直神经网络专家系统的程序设计进行了较深入的理论探讨。 5、对径向基神经网络理论进行了学习与探讨。
吴贤军[2]2003年在《基于神经网络的曲轴滚压校直专家系统的研究》文中指出在现代制造系统中，工程技术人员遇到了越来越多，越来越复杂的决策问题。专家系统对于不断变化的，复杂的和开放的机械制造系统环境并不十分有效，而神经网络的鲁棒性、自适应性以及联想能力在机械制造业显示出明显的优势，具有潜在的应用前景。尤其是将专家系统技术和神经网络技术结合在一起，可以优势互补，改善专家系统的灵活性，给用户提供单一的灵活的人机界面。 本文分析研究了人工神经网络技术和专家系统技术相结合来解决曲轴滚压校直智能系统问题的必要性、可行性和优越性。根据曲轴滚压校直的滚压位置和滚压力大小与滚压前曲轴的各主轴颈的径向跳动量和相位角有着内在联系，对大量的实测数据进行了分析整理，建立了曲轴滚压校直系统的知识库。基于MATLAB的神经网络工具箱，采用附加动量和自适应学习速率的训练函数TRAINBPX，对滚压参数进行了训练。通过比较几种不同的隐层神经元数的网络学习训练的结果，找到了一种综合性能比较优的网络，利用该网络进行仿真，得到了较为合理的所需施加给曲轴上的滚压力的位置和大小。采用MATLAB图形用户界面设计技术——GUI工具设计出曲轴滚压校直系统的人机界面，建立了曲轴滚压校直系统的模型。 本文所研究的滚压校直专家系统能正确地指导曲轴弯曲变形的滚压校直操作，专家系统所采用的建立在变形矢量基础上的数学模型具有较好的实用性。以东风汽车公司生产6102D_2球铁曲轴为例，基于本文的研究成果所开发出的曲轴滚压校直系统在国内具有很好的应用价值。
毛凌[3]2002年在《基于误差反传训练算法的曲轴滚压校直人工神经网络研究》文中研究指明本文在对基于误差反传训练算法的多层前向人工神经网络进行分析的基础上，针对曲轴滚压校直过程中滚压力的求解问题，建立了与之相适应的人工神经网络模型，并对网络训练算法进行了多项改进，使之更适于问题的求解，更利于网络的训练收敛。同时本文还编制了相应的实用软件，用于滚压力的计算求解。最后，本文还对将所建立的人工神经网络模型进一步完善成为神经网络专家系统的问题进行了探讨，并提出了网络及算法进一步改进的方案。
周超超[4]2003年在《人工智能专家系统在曲轴圆角滚压校直中的研究》文中研究指明曲轴是一种重要的机械零件，其制造质量要求很高，由于曲轴结构特性复杂，在加工过程中出现的弯曲变形问题，远比一般轴类零件复杂。 曲轴圆角滚压校直是根据曲轴在滚压时变形的规律，对工件某些部位进行再滚压，使工件产生与原变形相反的塑性变形，以达到校直的目的。滚压校直可以提高曲轴的整体强度和可靠性，从而提高曲轴抵抗交变应力的能力，满足疲劳强度的要求，而且还可以降低加工成本，市场经济价值可观，现在在汽车发动机曲轴加工中应用日益广泛。 本文在理论分析的基础上，对曲轴进行了滚压运动分析，并对曲轴滚压变形的数学模型及校直过程中的工作机理进行了探讨，为曲轴滚压校直专家系统的建立提供了理论依据；本文采用神经网络技术和C++ Builder编程语言，建立了一个专家系统来指导曲轴的滚压校直加工；利用神经网络所具有的自学习、自组织能力，来实现系统输入与输出参数之间的非线性映射；通过输入学习样本验证神经网络，证明建立的专家系统对学习过的样本有较好的逼近能力，改进后的神经网络，对学习样本有很好的推广能力；文章最后对Hopfield网络进行了探讨，并和BP网络进行了比较。
王堃[5]2008年在《基于人工神经网络的轴类零件校直系统的研究》文中提出轴类零件是机械装置中的重要组成部分,其弯曲变形普遍存在,为了获取下道工序所允许的最小切削量、减少废件、提高成品率、节约加工和原材料的成本和保证工件达到严格的最终设计公差要求,使用校直机械进行合理的校直成了这些产品必不可少的工艺步骤。本文在现有文献和研究的基础上,采用金属弹塑性弯曲理论,建立了轴类零件校直模型,分析了轴类零件在校直过程中的弯矩、曲率及挠度变化过程,推导了行程控制的校直计算方法。以合肥工业大学研制的YH40-25为例,通过对传统通用型校直系统的介绍和构建和分析,指出了该类系统的优越性及局限性;在此基础上,提出了以人工神经网络技术为蓝本,建立起一套完整的具有很强自适应性和自学习性的校直系统,它既能继承传统校直系统在伺服控制方面的良好表现,又能克服传统系统的局限性。论文随后通过对神经网络理论的研究,选定了以BP网络算法为基础算法,按实际要求确定了网络结构和各项网络参数,并通过对以往成功校直样本的学习建立了一个完整的神经网络。该神经网络作为校直系统的核心部分可以针对不同的校直参量的输入迅速而准确的产生合理的校直策略。最后在Matlab软件中进行的仿真结果表明,文章建立的基于人工神经网络的校直系统准确快捷能够很好的产生校直策略指导校直工艺。
张锐[6]2010年在《曲轴圆角强化滚压相关理论及关键技术研究》文中研究表明曲轴是汽车发动机中最重要、承受交变载荷最大的零件。曲轴的主要破坏形式是弯曲疲劳破坏,其疲劳裂纹常常起源于曲柄至轴颈的过渡圆角处。圆角滚压可以大幅提高球墨铸铁曲轴的疲劳强度,鉴于球墨铸铁的密度小于锻钢,以球墨铸铁曲轴代替锻钢曲轴可以节省大量金属材料,降低成本。但是曲轴滚压的关键设备及技术一直由外国公司把持,国内销售价格居高不下,所以研究曲轴圆角滚压的关键技术并研制相关设备,具有重大的实际应用价值。本文介绍了曲轴滚压、摆差测试和校直工艺过程,分析了影响滚压强化效果的工艺参数。通过有限元数值模拟计算,详细分析了在不同控制加载方式、滚压圈数、滚压力、沉割槽等情况下,曲轴滚压强化效果,得出了应力、应变的分布规律,为滚压工艺优化提供了理论参照。在Windows环境下利用VC编程进行了压力闭环控制,建立了被控对象神经网络模型,构建了内模控制器,有效的抑制了动钳压力波动。论述了一种通过检测下压量来衡量残余应力的大小的检验方法,提出了将恒力滚压机通过简单的方式改造为变力滚压机的方法。建立了摆差测试数学模型,研制了基于LVDT的摆差测试硬件系统。当被测工件中心线和回转中心线不重合时,采用了矢量合成的数据处理方法以消除偏差。采用最小二乘法修正了摆差相位,采用了矢量模型变换方法以处理摆差数据,将顶尖测试基准下的结果变换为V型铁基准下的理论测试结果,在实践中获得了与曲轴实际变形手工测试基本一致的结果。利用最小二乘支持向量机结合多分类方法,构建了曲轴校直位置分类器。利用BP神经网络建立了校直专家决策数学模型,用数据融合的方法将多种决策下的控制量合成输出,在实用中取得了较好的效果。设计了脉冲方向型电机系统的接口电路,研制了具有自主知识产权的小型数控系统和PLC系统。制订了工控机IPC到数控系统的通信协议,在VC下编程实现了IPC与PLC系统间的通信,利用约定的存储单元实现了工作状态的同步控制。研究了曲轴滚压后的显微组织变化,找出了曲轴强化微观组织机理。滚压工艺使基体组织致密并且改善了应力集中现象,同时使滚压层晶内位错密度升高导致曲轴强度提高。测试了滚压部位的应力,结果表明在轴向和切向均产生了残余压应力,越靠近表层产生的残余压应力越大,这种残余压应力增强了曲轴疲劳强度。总之,文中采用有限元仿真、理论研究、样本学习和实验检验等等方法,研究了曲轴圆角强化、测试和校直工艺的关键技术。并成功研制出自动化程度较高的曲轴圆角滚压强化机床,填补了国内空白,占领了部分市场。
张锐, 胡荣强, 杨秀芝[7]2010年在《基于神经网络的曲轴滚压校直专家系统研究》文中进行了进一步梳理介绍了曲轴滚压强化及校直工艺,分析了滚压校直方式具有的优缺点,研究了利用BP神经网络建立关于校直输入输出数学模型的方法,建立了曲轴滚压校直专家推理系统,并将其应用到曲轴圆角滚压强化校直机床中,取得了较好的效果。
吴贤军[8]2002年在《一种有关曲轴滚压校直的人工神经网络专家系统的构造》文中研究说明本文讨论了神经网络专家系统在机械制造领域中的应用 ,提出了神经网络专家系统的设计方法 ,给出了系统的结构 ,论述了系统实现中的一些技术问题。并通过给出BP网络训练样本的实例 ,分析了曲轴滚压校直的神经网络专家系统实现的关键。
赖贞华[9]2006年在《曲轴变力圆角滚压强化及变形的规律研究》文中进行了进一步梳理曲轴是内燃机最重要的零件之一，其主要功能是传递与输出动力，驱动各运动机构和附件、曲轴的破坏形式主要是弯曲疲劳破坏，曲轴疲劳裂纹几何都起源于应力集中的部位——曲轴曲柄至轴颈的过渡圆角处，因此，圆角滚压是延长曲轴疲劳寿命的关键。圆角滚压用在钢曲轴上效果不是很大，但用在球铁曲轴上则大大提高了曲轴的强度，球铁曲轴成本是钢曲轴的叁分之一，因此从经济上和可靠性上考虑，进行圆角滚压，用球铁曲轴代替钢曲轴是曲轴的主要发展趋势。 有限元分析具有高效率和高可靠性的特点，利用ansys平台，可以自动的对模型进行各种情况的加载、受力分析计算，预测滚压后的变形，减少了技术人员复杂的计算分析。并且运用计算机做加载受力分析，是对实际实验的一种模拟仿真，大大降低了对实验条件的要求，也减少了实验的高额费用。对曲轴滚压作参数化设计，还能方便的改变滚压参数条件，从而更加容易找出其中的规律。 本文对曲轴的工作受力状况进行分析，在材料疲劳破坏特性的理论基础上，对曲轴的圆角滚压进行理论分析，并运用Ansys及其Ls-Dyna模块对曲轴从恒力和变力两个方面进行模拟的滚压分析，根据计算的结果就其滚压力与曲轴强化(疲劳寿命)及滚压力与曲轴变形作了简要分析，得出对于QT800，其最佳的滚压力在15KN左右；另外还对曲轴滚压变形和曲轴的滚压校直从恒力滚压和变力滚压两方面做了简要分析，指出变力滚压引起的曲轴变形将大于恒力滚压，因此变力滚压只应该适合于较小的滚压力。
刘长义[10]2015年在《基于不确定性测度的机械零部件再制造加工质量控制理论与方法研究》文中研究指明再制造工程是构建循环经济、实现社会可持续发展的最佳实现形式,是二十一世纪应对世界环境污染和资源短缺的有效技术之一。“再制造产品质量不低于、甚至高于原型新品”是再制造工程高速发展的重要保障。但是,当前再制造产品质量存在的问题与不足,已经成为制约再制造产业进一步发展的瓶颈。由于再制造过程自身的特殊性和复杂性,其不确定性要远远高于传统正向制造过程,而这些更高的不确定性最终影响着再制造产品的质量,制约着再制造产品的服役安全性能。对再制造过程不确定性的研究,已成为再制造产业规模化发展亟需解决的关键问题之一。鉴于此,本文通过探索再制造加工过程不确定性内涵及其测度理论,研究不确定环境下机械零部件再制造加工质量控制方法,为保障再制造产品质量提供理论、方法和技术支持,论文的主要研究内容如下：(1)综述再制造基本理论、再制造过程不确定性、再制造质量控制等国内外相关研究现状,分析再制造质量控制研究的不足,阐述本论文研究背景、研究意义和主要研究内容。(2)探究再制造加工系统的不确定特征及其来源,建立再制造加工系统分析模型,对其不确定性进行多层次、多维度解析：选择“熵”作为不确定性测度基本尺度,构建再制造加工系统不确定性概念模型及测度基础模型。(3)研究再制造基础要素的随机不确定性及模糊不确定性测度模型,基于积空间P×M探索测度尺度融合方法,给出定量化描述再制造基础要素整体不确定度的复合熵模型；通过非线性拟合模型,探究再制造基础要素不确定性与再制造加工质量属性之间的耦合机理,并利用再制造曲轴加工实例,验证了方法的有效性。(4)建立基于GERT图的再制造工艺路线模型,考虑加工工艺难度及加工状态多样性要素,构建基于广义信息熵的再制造加工过程不确定性测度模型；定义再制造加工过程控制力指数,实现对再制造加工过程控制能力的评估,以曲轴再制造加工过程为例,对其加工过程控制有效性进行了评估。(5)利用质量熵度量再制造产品质量波动,并以质量波动最小为控制目标,建立再制造质量预测控制系统基本框架模型；利用小波Elman神经网络实施再制造质量建模预测,采用了自适应学习速率进行网络训练,并给出了训练网络的动态递推梯度下降算法；最后将预测模型应用于再制造发动机曲轴质量预测。(6)设计开发了再制造加工质量控制原型系统,构建了系统概念模型,给出了系统总体架构和系统实现的关键使能技术。
参考文献：
[1]. 曲轴圆角滚压变形分析及校直专家系统的研究[D]. 彭和平. 武汉理工大学. 2004
[2]. 基于神经网络的曲轴滚压校直专家系统的研究[D]. 吴贤军. 武汉理工大学. 2003
[3]. 基于误差反传训练算法的曲轴滚压校直人工神经网络研究[D]. 毛凌. 武汉理工大学. 2002
[4]. 人工智能专家系统在曲轴圆角滚压校直中的研究[D]. 周超超. 武汉理工大学. 2003
[5]. 基于人工神经网络的轴类零件校直系统的研究[D]. 王堃. 合肥工业大学. 2008
[6]. 曲轴圆角强化滚压相关理论及关键技术研究[D]. 张锐. 武汉理工大学. 2010
[7]. 基于神经网络的曲轴滚压校直专家系统研究[J]. 张锐, 胡荣强, 杨秀芝. 武汉理工大学学报(信息与管理工程版). 2010
[8]. 一种有关曲轴滚压校直的人工神经网络专家系统的构造[J]. 吴贤军. 现代机械. 2002
[9]. 曲轴变力圆角滚压强化及变形的规律研究[D]. 赖贞华. 武汉理工大学. 2006
[10]. 基于不确定性测度的机械零部件再制造加工质量控制理论与方法研究[D]. 刘长义. 合肥工业大学. 2015