表面粗糙度是機械加工工藝中主要的技術參數， 對零件質量和產品性能有著極為重要的影響。 以加工表面粗糙度與切削用量三要素的關系為對象， 采用正交試驗方法， 利用立方氮化硼刀具對冷作模具鋼 Cr12MoV 進行硬態干式車削試驗，測量得到選定參數條件下的加工表面粗糙度值，并應用人工智能神經網絡方 法建立了加工表面粗糙度預測模型。結果表明，該預測模型具有很好的預測精度， 其最大誤差不超過 5% 。模 型可以對不同切削速度、 進給量和切削深度參數組合下加工后的表面粗糙度進行預測，對干式硬車條件下的切 削用量選擇和零件表面質量的控制具有重要指導意義。
標簽： 基于神經網絡的車削加工表面粗糙度智能預測
上傳時間： 2016-03-20
上傳用戶：happycats
表面粗糙度是機械加工中描述工件表面微觀形狀重要的參數。在機械零件切削的過程中，刀具或砂輪遺留的刀痕，切屑分離時的塑性變形和機床振動等因素，會使零件的表面形成微小的蜂谷。這些微小峰谷的高低程度和間距狀況就叫做表面粗糙度，也稱為微觀不平度。表面粗糙度的測量是幾何測量中的一個重要部分，它對于現代制造業的發展起了重要的推動作用。世界各國競相進行粗糙度測量儀的研制，隨著科學技術的發展，各種各樣的粗糙度測量系統也競相問世。對于粗糙度的測量，隨著技術的更新，國家標準也一直在變更。最新執行的國家標準(GB/T6062-2002)，規定了粗糙度測量的參數，以及制定了觸針式測量粗糙度的儀器標準[1]。 隨著新國家標準的執行，許多陳舊的粗糙度測量儀已經無法符合新標準的要求。而且生產工藝的提高使得原有方案的采集精度和采集速度，滿足不了現代測量技術的需要。目前，各高校公差實驗室及大多數企業的計量部門所使用的計量儀器(如光切顯微鏡、表面粗糙度檢查儀等)只能測量單項參數，而能進行多參數測量的光電儀器價格較貴，一般實驗室和計量室難以購置。因此如何利用現有的技術，結含現代測控技術的發展，職制出性能可靠的粗糙度測量儀，能有效地降低實驗室測量儀器的成本，具有很好的實用價值和研究意義。 基于上述現狀，本文在參考舊的觸針式表面粗糙度測量儀技術方案的基礎上，提出了一種基于ARM嵌入式系統的粗糙度測量儀的設計。這種測量儀采用了先進的傳感器技術，保證了測量的范圍和精度；采用了集成的信號調理電路，降低了信號在調制、檢波、和放大的過程中的失真；采用了ARM處理器，快速的采集和控制測量儀系統；采用了強大的PC機人機交互功能，快速的計算粗糙度的相關參數和直觀的顯示粗糙度的特性曲線。 論文主要做了如下工作：首先，論文分析了觸針式粗糙度測量儀的發展以及現狀；然后，詳細敘述了系統的硬件構成和設計，包括傳感器的原理和結構分析、信號調理電路的設計、A/D轉換電路的設計、微處理器系統電路以及與上位機接口電路的設計。同時，還對系統的數據采集進行了研究，開發了相應的固件程序及接口程序，完成數據采集軟件的編寫，并且對表面粗糙度參數的算法進行程序的實現。編寫了控制應用程序，完成控制界面的設計。最終設計出一套多功能、多參數、高性能、高可靠、操作方便的表面粗糙度測量系統。
標簽： ARM 測量
上傳時間： 2013-04-24
上傳用戶：KIM66
字元辨識系統-利用二元化之後利用類神經網路系統來辨識字原碼
標簽： 系統 二元
上傳時間： 2013-12-28
上傳用戶：waizhang
類神經網路，MLP程式碼，可以計算多層架構之類神經網路運算~C
標簽：
上傳用戶：txfyddz
小弟撰寫的類神經網路backpropagataion,可以train如xor等互斥問題,使用bcb所完成,因為開發介面較為便利, 大部分使用類別的方法撰寫,所以若有興趣移植到vc的朋友,應該也不會有太大的障礙。
標簽： backpropagataion train bcb xor
上傳時間： 2013-12-30
上傳用戶：jeffery
類神經網路的基本運算-TLU,為所有學習類神經入門的的第一個演算法,單一的neural做簡易的training,雖無法解xor的問題,但卻是人類史上的類神經的第一步.
標簽： training neural TLU xor
上傳時間： 2015-12-02
上傳用戶：851197153
追隨sin函數,輸出有包含物插曲線圖,到傳遞神經網路
標簽： sin
上傳時間： 2014-01-08
上傳用戶：change0329
神經網路學習分類..Neural Fault Classifier for Transmission Line Protection A Modular Approach
標簽： Transmission Classifier Protection Approach
上傳時間： 2016-01-16
上傳用戶：shizhanincc
屬於SUGENO模糊模型可以藉由類神經網路架構來替代
標簽： SUGENO 模糊模型
上傳時間： 2014-01-16
上傳用戶：eclipse
有SOM、LVQ、ART三種不同方式的類神經網路可以參考的實例
標簽： SOM LVQ ART 方式
上傳時間： 2016-01-25
上傳用戶：qwe1234
蟲蟲下載站版權所有 京ICP備2021023401號-1
