您的位置: 专家智库 > >

吉林省自然科学基金(20140101086JC)

作品数:6 被引量:26H指数:3
相关作者:李静王占礼朱丹席萍张立军更多>>
相关机构:长春工业大学更多>>
发文基金:吉林省自然科学基金更多>>
相关领域:金属学及工艺机械工程动力工程及工程热物理自动化与计算机技术更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 3篇金属学及工艺
  • 2篇机械工程
  • 1篇动力工程及工...
  • 1篇自动化与计算...

主题

  • 2篇神经网
  • 2篇神经网络
  • 2篇网络
  • 2篇薄壁件
  • 2篇薄壁零件
  • 2篇BP神经
  • 2篇BP神经网
  • 2篇BP神经网络
  • 1篇帝国
  • 1篇虚拟装配
  • 1篇遗传算法
  • 1篇遗传算法优化
  • 1篇有限元
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇数控
  • 1篇数控加工
  • 1篇人机
  • 1篇人机交互
  • 1篇装配序列规划

机构

  • 6篇长春工业大学

作者

  • 6篇李静
  • 4篇王占礼
  • 3篇朱丹
  • 3篇席萍
  • 2篇张立军
  • 1篇胡艳娟
  • 1篇董超
  • 1篇刘亮
  • 1篇白珊珊

传媒

  • 3篇制造业自动化
  • 2篇机床与液压
  • 1篇机械设计与制...

年份

  • 1篇2018
  • 1篇2017
  • 1篇2015
  • 3篇2014
6 条 记 录,以下是 1-6
排序方式:
薄壁件铣削加工中的铣削力仿真分析被引量:5
2014年
为了研究薄壁件铣削加工过程中的铣削力分布规律,在对铣削加工模型分析基础上,针对材料为45#钢的薄壁零件,采用商业有限元软件ABAQUS建立能够反映实际状态的三维铣削模型,并进行模拟,获得铣削力曲线和应力、应变分布情况。为验证仿真结果的可行性,采用与有限元模型相同的条件进行实验并获得铣削力实验数据,对比表明:铣削力的模拟结果与实验结果能够较好的吻合。分析结果表明:所建立的薄壁零件三维铣削有限元模型是可行的,其对铣削力和薄壁零件加工变形预测具有重要意义。
席萍王占礼李静白珊珊刘亮
关键词:薄壁零件铣削力有限元ABAQUS
交互式发动机虚拟装配系统研究被引量:9
2017年
以直列四缸发动机为例,针对实际装配过程中的低装配精度、慢装配效率和高装配成本问题,对装配序列、装配路径及虚拟装配实现方法进行了研究。利用碰撞检测算法并结合Petri网,对发动机装配序列进行研究,得到了装配路径轨迹;借助虚拟现实设备的外部连接,结合人机交互技术,进行了发动机虚拟装配;最终以VB软件为工具开发了虚拟装配系统,实现了对虚拟装配的研究与验证,解决了实际装配中装配序列及路径问题,对实际装配有着巨大的指导意义。
李静张立军任天猛
关键词:虚拟装配人机交互
薄壁件数控加工物理仿真研究现状与发展趋势被引量:7
2014年
评述了薄壁零件数控加工物理仿真技术研究各方面的发展状况,总结物理仿真的当前研究内容和方法,提出了薄壁零件数控加工物理仿真中有待进一步研究的问题及发展方向。
王占礼朱丹胡艳娟李静董超
关键词:数控加工物理仿真薄壁零件
遗传算法优化的BP网络在铣削力预测中的应用被引量:1
2014年
神经网络初始连接权值和阀值的选择对网络的预测精度及收敛速度影响很大,但又无法准确获得,针对此问题,建立遗传算法(GA)优化的BP神经网络预测模型,解决神经网络初始权值和阀值的选择问题。该模型通过遗传算法优化BP神经网络的权值和阀值,获得最优的初始权值和阀值,并应用优化后的BP神经网络预测模型对铣削力进行预测,最后与优化前的BP神经网络模型的铣削力预测值进行对比分析。研究结果表明,经遗传算法优化后的BP神经网络模型比优化前的BP神经网络模型的预测精度高,同时加快了收敛速度。
王占礼席萍李静朱丹
关键词:遗传算法BP神经网络参数优化
帝国竞争算法在装配序列规划中的应用与改进被引量:2
2018年
对帝国竞争算法进行了研究与改进以解决虚拟装配过程中装配序列规划问题。利用有向图法获得了表达装配关系的邻接矩阵、干涉矩阵、接触-连接矩阵、优先关系矩阵、工具集矩阵,建立了以装配稳定性、连续性及干涉性为评价标准的稳定性函数、连续性函数及干涉函数,并依据层次装配的基本思想,将其与帝国竞争算法融合并引入微分进化算法,通过Matlab编程,以减速器为例进行试验,验证了该算法在装配序列规划方面的可行性,并同帝国竞争算法、遗传算法及蚁群算法进行比较,验证了该改进算法的优越性,为虚拟装配技术的研究奠定了基础。
李静张立军任元
关键词:装配序列规划
基于支持向量机的铣削力预测被引量:2
2015年
针对小样本、低泛化、过拟合和局部极小等问题,建立基于支持向量机(SVM)的铣削力预测模型,对铣削力进行预测,将其预测结果与试验值、BP神经网络预测值进行对比分析。结果表明:在训练样本较小情况下,得到的预测值与试验值吻合较好,且相对于BP神经网络预测模型的预测精度高。
王占礼席萍李静朱丹
关键词:支持向量机BP神经网络
共1页<1>
聚类工具0