导读:本文包含了外圆纵向磨削论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:磨削,纵向,表面,粗糙度,在线,模型,向量。
外圆纵向磨削论文文献综述
盛任,杨彦涛[1]（2018）在《内圆纵向磨削加工轴承钢的热影响数学建模与仿真研究》一文中研究指出针对内圆纵向磨削加工过程中存在的问题,提出了一种过程仿真模型,主要用于研究内圆纵向磨削加工过程中的热-机械加工特征。同时针对内圆纵向磨削加工过程中热与装夹带来的误差进行了误差补偿,并通过有限元仿真的方式对所提出的方法进行了有效性分析。(本文来源于《煤炭技术》期刊2018年04期）
张晓菊,吴晓强,张春友[2]（2016）在《基于支持向量回归机的外圆纵向磨削表面粗糙度预测》一文中研究指出表面粗糙度是评价磨削加工质量的重要指标,表面粗糙度预测是实现表面粗糙度在线控制的前提。针对现有神经网络方法在预测外圆纵向磨削表面粗糙度方面存在的不足,提出了一种新的基于支持向量回归机的外圆纵向磨削表面粗糙度预测方法。在分析了影响外圆纵向磨削表面粗糙度预测主要因素的基础上,建立了基于支持向量回归机的外圆纵向磨削表面粗糙度预测模型。应用实例的仿真结果表明,所建立的预测模型具有较强的泛化能力和较高的预测精度。(本文来源于《机械设计与制造》期刊2016年08期）
吕长飞,李郝林[3]（2011）在《外圆纵向磨削力和磨削功率模型研究》一文中研究指出磨削力和磨削功率是磨削过程中最重要的工艺参数,利用现有磨削力和磨削功率模型,通过实验,对模型中各个参数与磨削力的关系进行了单因素验证,采用MATLAB软件进行仿真,并采用角正回归算法求解出磨削力和磨削功率与磨削加工参数间的模型参数,通过正交实验进行校验,其最大相对误差为3.2%,平均相对误差为1.54%。研究对于磨削烧伤的判别、磨削工艺技术的优化和磨削过程的在线监测及智能控制的实现有着积极的作用。(本文来源于《现代制造工程》期刊2011年12期）
杨勋[4]（2011）在《外圆纵向磨削表面粗糙度预测与控制》一文中研究指出外圆纵向磨削作为轴类零件的主要加工方式,在机械加工领域的地位举足轻重。为了提高生产效率、降低使用成本,现代磨削技术正朝着自动化、智能化方向发展。要实现磨削加工的自动化和智能化,如何对磨削过程的状态量进行预测和控制是一个重要的问题。作为一般机械加工的终极工序,磨削加工表面质量的好坏将直接影响零件的使用性能。外圆纵向磨削加工过程复杂,工件表面粗糙度受众多输入因素影响,用传统方法难于实现对表面粗糙度准确预测及控制。本文选择目前应用最广泛的BP网络模型,利用遗传算法对BP网络存在的缺陷进行了改进,并建立了基于进化BP(GA-BP)网络的外圆纵向磨削表面粗糙度预测模型。本文设计了表面粗糙度自适应模糊控制器,并根据表面粗糙度预测结果,对加工过程表面粗糙度进行控制。本文根据磨削实验要求,对MM1320外圆磨床进行改造。确立了外圆纵向磨削开放式控制系统的硬件构成,以Visual Basic 6.0为编程语言,编写了人机交互界面,实现了对横、纵向工作台的进给控制和砂轮以及工件的转速控制。本文以开放式外圆纵向磨削实验系统为平台,以工件表面粗糙度为目标,根据理论分析结果设计了包括磨削深度、工件转速和纵向进给速度在内的叁因素正交实验。通过极差及方差分析研究了各因素对表面粗糙度的影响程度。依据正交实验结果,设计了叁因素全组合试验,为表面粗糙度预测及控制模型的建立提供训练和检验样本。本文介绍了人工神经网络的构成及分类,重点研究了BP神经网络算法及其存在的不足。为了提高传统BP神经网络的性能,将遗传算法与BP神经网络结合。利用遗传算法的全局搜索能力对BP神经网络的初始权值和阈值进行优化。建立了基于GA-BP网络的外圆纵向磨削表面粗糙度预测模型,并同没有进行优化的传统BP网络预测模型进行了对比。预测结果表明遗传算法和BP网络的结合可以提高表面粗糙度预测模型的收敛速度和预测精度,可以满足智能磨削对表面粗糙度预测高效性、准确性的需求。本文介绍了模糊控制器的原理及组成,重点研究了自适应模糊推理系统结构和学习算法。针对表面粗糙度模糊控制器存在难于确定隶属度函数及控制规则的缺点,建立了基于自适应模糊推理系统的自适应模糊控制器模型。控制模型以纵向进给速度作为控制变量,工件的表面粗糙度值作为控制目标。通过表面粗糙度控制实验,对建立的控制模型进行验证,结果证明了自适应模糊控制模型的可行性。(本文来源于《吉林大学》期刊2011-05-01）
孟繁禹,王龙山,李忠建,曹龙,郑四木[5]（2008）在《基于CCD成像的外圆纵向磨削表面粗糙度在线测量》一文中研究指出为了提高外圆磨削加工零件表面粗糙度的测量效率,可以采用在线测量的方法。基于CCD成像技术,利用激光图谱比较法以及图像傅立叶变换后的能量谱,对外圆纵向磨削后的零件表面粗糙度进行非接触式在线测量,并判定加工零件表面粗糙度的等级。使用的测量方法,可以实现在线检测表面粗糙度的目的,达到了预想的效果。(本文来源于《机械设计与制造》期刊2008年10期）
孟繁禹,王龙山,丁宁[6]（2008）在《外圆纵向磨削表面粗糙度的在线检测研究》一文中研究指出利用激光图谱比较法,通过对外圆磨削表面粗糙度标准样块进行多次测量,以此统计数据建立数据库,再对外圆纵向磨削后的零件表面粗糙度进行非接触式在线测量,将此测量结果与数据库中的数据进行比较,从而判定加工零件表面粗糙度的等级。(本文来源于《航空精密制造技术》期刊2008年02期）
王家忠,周桂红,王龙山,刘江涛[7]（2008）在《外圆纵向磨削自适应控制器》一文中研究指出设计了外圆纵向磨削自适应控制器,采用模糊自适应控制策略对磨削过程中的纵向进给量实时进行调整,使得粗磨阶段的磨削功率保持恒定,保证了稳定的功率响应。该控制器已经在改造后的智能磨削系统上进行了实验验证,结果表明该控制器可以对磨削条件的变化实现自适应控制,具有很好的鲁棒性和稳定性。(本文来源于《机床与液压》期刊2008年04期）
孟繁禹,王龙山,丁宁[8]（2008）在《外圆纵向磨削表面粗糙度的在线检测研究》一文中研究指出现代机械制造工艺对机械加工过程中的表面粗糙度的测量要求日益提高,不仅要保证测量精度,而且要提高测量效率。表面粗糙度测量有接触式和非接触式两种方法。接触式测量仪器稳定性好,示值客观、可靠,使用方便。但是,触针式表面粗糙度测量仪存在着易划伤软性材料表面、易使薄壁试件变形、测量速度低、测量(本文来源于《金属加工(冷加工)》期刊2008年05期）
亢磊[9]（2007）在《外圆纵向磨削智能预测系统的研究》一文中研究指出磨削是精加工的主要方法,是机械加工产品的终极加工工序,其机理十分复杂,很难建立较完善的数学模型,而磨削的参数直接影响工件加工的质量。本文根据模糊基神经网络(FBFN)和Elman神经网络的算法基础分别建立了工件表面粗糙度和工件尺寸的预测模型,进而完成了外圆纵向磨削智能预测系统的研究,对磨削过程中的重要质量参数(工件表面粗糙度和工件尺寸)进行了预测,以确保工件加工的质量。磨削智能预测系统含有大量的磨削加工领域的专家级的知识库,能够利用所建立的智能预测模型结合专家的知识和经验对磨削质量参数进行推理和判断,模拟磨削加工中预测的过程,以确保实际加工中质量参数的准确。本文是在改造后的MMB1320B型精密半自动外圆磨床的基础上,在Windows 2000 Professional的系统环境下,以Visual C++ 6.0,MATLAB 7.0,SQL Server 2000为开发工具,采用面向对象的编程方法,实现对外圆纵向磨削智能预测系统的开发。本系统是实现外圆纵向磨削智能预测控制的初步的探索,是为以后开发外圆纵向磨削智能预测控制系统作了一定的准备工作,它能够在加工时对实时检测较为困难的工件表面粗糙度和工件的尺寸等参数进行智能预测,提高了磨削系统的智能性。(本文来源于《吉林大学》期刊2007-04-01）
王家忠,王龙山,周桂红,李国发[10]（2006）在《基于模糊基函数网络和自适应最小二乘算法的外圆纵向磨削表面粗糙度的预测》一文中研究指出建立了外圆纵向磨削表面粗糙度的模糊基函数网络(FBFN)预测模型,网络的训练采用自适应最小二乘算法(ALS)。ALS将最小二乘算法和遗传算法相结合,能够自主学习,不用人为干预,FBFN和粗糙度的分析模型相结合,只需少量实验数据便可完成网络的训练,自动产生模糊规则,确定隐含层的节点数。仿真和实验结果表明,FBFN网络结构非常适合粗糙度的预测和控制,采用ALS学习方法比BP算法、传统的遗传算法和正交二乘法等能产生更好的结果。(本文来源于《中国机械工程》期刊2006年12期）
外圆纵向磨削论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
表面粗糙度是评价磨削加工质量的重要指标,表面粗糙度预测是实现表面粗糙度在线控制的前提。针对现有神经网络方法在预测外圆纵向磨削表面粗糙度方面存在的不足,提出了一种新的基于支持向量回归机的外圆纵向磨削表面粗糙度预测方法。在分析了影响外圆纵向磨削表面粗糙度预测主要因素的基础上,建立了基于支持向量回归机的外圆纵向磨削表面粗糙度预测模型。应用实例的仿真结果表明,所建立的预测模型具有较强的泛化能力和较高的预测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
外圆纵向磨削论文参考文献
[1].盛任,杨彦涛.内圆纵向磨削加工轴承钢的热影响数学建模与仿真研究[J].煤炭技术.2018
[2].张晓菊,吴晓强,张春友.基于支持向量回归机的外圆纵向磨削表面粗糙度预测[J].机械设计与制造.2016
[3].吕长飞,李郝林.外圆纵向磨削力和磨削功率模型研究[J].现代制造工程.2011
[4].杨勋.外圆纵向磨削表面粗糙度预测与控制[D].吉林大学.2011
[5].孟繁禹,王龙山,李忠建,曹龙,郑四木.基于CCD成像的外圆纵向磨削表面粗糙度在线测量[J].机械设计与制造.2008
[6].孟繁禹,王龙山,丁宁.外圆纵向磨削表面粗糙度的在线检测研究[J].航空精密制造技术.2008
[7].王家忠,周桂红,王龙山,刘江涛.外圆纵向磨削自适应控制器[J].机床与液压.2008
[8].孟繁禹,王龙山,丁宁.外圆纵向磨削表面粗糙度的在线检测研究[J].金属加工(冷加工).2008
[9].亢磊.外圆纵向磨削智能预测系统的研究[D].吉林大学.2007
[10].王家忠,王龙山,周桂红,李国发.基于模糊基函数网络和自适应最小二乘算法的外圆纵向磨削表面粗糙度的预测[J].中国机械工程.2006
论文知识图
