检索结果-维普期刊中文期刊服务平台

基于改进粒子群神经网络的粗糙度建模方法被引量：5: 1; 作者刘红军杨树新《组合机床与自动化加工技术》北大核心 2018年第6期62-64,共3页; 表面粗糙度是衡量零件表面质量的重要指标,也是加工工艺和机床性能对于零件品质影响的综合反映。在分析了多种粗糙度的预测建模方法后,提出了一种基于改进粒子群神经网络的铣削表面粗糙度预测模型。将自适应权重调整机制和高斯全局极值... 展开更多; 关键词粗糙度改进粒子群算法神经网络预测模型; 在线阅读下载PDF 职称材料

汽油-天然气双燃料发动机噪声粗糙度分析被引量：1: 2; 作者毛杰郝志勇 +1 位作者张庆辉郑旭《汽车工程》 EI CSCD 北大核心 2015年第3期331-335,共5页; 鉴于声品质客观评价中,噪声粗糙度算法尚未标准化,本文中提出了改进的Aures粗糙度算法(MARA)。选取最大转矩转速(3 800r/min)为研究工况,进行了某汽油-天然气双燃料发动机的声学性能台架试验。结果表明,燃用汽油时两个测点的声学响应均... 展开更多; 关键词压缩天然气发动机汽油机噪声粗糙度改进的aures粗糙度算法; 在线阅读下载PDF 职称材料

基于明暗恢复形状的加工表面形貌重构与粗糙度检测被引量：1: 3; 作者郭便魏宏波《工具技术》 2011年第6期98-102,共5页; 研究了采用明暗恢复形状法(SFS)对加工表面显微视觉图像的三维形貌重构,并实现了表面粗糙度检测。根据金属表面反射特性,采用简化的Oren-Nayar模型与Torrance-Sparrow模型中镜面反射分量叠加的方法,对光照模型进行了改进,并讨论了基于... 展开更多; 关键词明暗恢复形状最小化算法改进的光照模型三维形貌重构表面粗糙度; 在线阅读下载PDF 职称材料

基于APSO-BP神经网络的齿轮表面粗糙度预测模型研究被引量：8: 4; 作者邹世铭方成刚《工具技术》北大核心 2021年第6期47-51,共5页; 为了有效地预测磨削加工的齿轮表面粗糙度,建立了以速比、砂轮转速、砂轮冲程速度和磨削深度为输入参数、齿轮表面粗糙度为输出参数的预测模型。该模型将自适应权重调整机制嵌入到粒子群算法中,得到了改进后的粒子群算法并优化BP神经网... 展开更多; 关键词齿轮表面粗糙度预测模型 BP神经网络改进粒子群算法; 在线阅读下载PDF 职称材料

题名基于改进粒子群神经网络的粗糙度建模方法被引量：5: 1; 作者刘红军杨树新; 机构沈阳航空航天大学机电工程学院; 出处《组合机床与自动化加工技术》北大核心 2018年第6期62-64,共3页; 基金辽宁省自然科学基金(2013024017); 文摘表面粗糙度是衡量零件表面质量的重要指标,也是加工工艺和机床性能对于零件品质影响的综合反映。在分析了多种粗糙度的预测建模方法后,提出了一种基于改进粒子群神经网络的铣削表面粗糙度预测模型。将自适应权重调整机制和高斯全局极值引入到粒子群算法中,形成改进粒子群算法,并使用改进后的算法优化BP神经网络以建立粗糙度预测模型。对模型误差进行比较和分析后,结果表明:使用改进粒子群算法优化后的BP神经网络建立的粗糙度预测模型其收敛性要优于粒子群神经网络,并且证明了所建立粗糙度预测模型具有较高的稳定性和准确率。; 关键词粗糙度改进粒子群算法神经网络预测模型; Keywords roughness improved particle swarm optimization neural network prediction model; 分类号 TH166 [机械工程—机械制造及自动化] TG506 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名汽油-天然气双燃料发动机噪声粗糙度分析被引量：1: 2; 作者毛杰郝志勇张庆辉郑旭; 机构浙江大学能源工程学系; 出处《汽车工程》 EI CSCD 北大核心 2015年第3期331-335,共5页; 基金国际科技合资项目(2007DFB50150-2)资助; 文摘鉴于声品质客观评价中,噪声粗糙度算法尚未标准化,本文中提出了改进的Aures粗糙度算法(MARA)。选取最大转矩转速(3 800r/min)为研究工况,进行了某汽油-天然气双燃料发动机的声学性能台架试验。结果表明,燃用汽油时两个测点的声学响应均大于燃用天然气时的声学响应,整机辐射声功率级分别为106.2和103.7d B(A)。但人耳主观感觉却是燃用天然气时的噪声粗糙度比燃用汽油时大。采用MARA客观评价该发动机的噪声粗糙度的结果显示,燃用天然气时测点1和测点2的噪声总粗糙度分别比燃用汽油时大12.2%和4.3%,间接验证了MARA客观评价更接近于人耳主观感觉。; 关键词压缩天然气发动机汽油机噪声粗糙度改进的aures粗糙度算法; Keywords CNG engine gasoline engine noise roughness modified aures roughness algorithm; 分类号 U464.173 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于明暗恢复形状的加工表面形貌重构与粗糙度检测被引量：1: 3; 作者郭便魏宏波; 机构宝鸡文理学院机电工程系宝鸡文理学院; 出处《工具技术》 2011年第6期98-102,共5页; 基金宝鸡文理学院基金(ZK10140 ZK09146); 文摘研究了采用明暗恢复形状法(SFS)对加工表面显微视觉图像的三维形貌重构,并实现了表面粗糙度检测。根据金属表面反射特性,采用简化的Oren-Nayar模型与Torrance-Sparrow模型中镜面反射分量叠加的方法,对光照模型进行了改进,并讨论了基于改进后光照模型的SFS最小化计算方法。利用该算法,实现了真实工件表面微观图像三维形貌重构,同时从重构表面轮廓中提取了表面粗糙度参数。与轮廓仪测量结果的比对表明:该方法重构精度较高,提取的粗糙度参数与接触式测量结果基本吻合,为加工表面三维形貌重构与粗糙度快速在线检测提供了新的思路和方法。; 关键词明暗恢复形状最小化算法改进的光照模型三维形貌重构表面粗糙度; Keywords shape from shading （SFS） minimum algorithm improved illuminant model 3D surface reconstruction surface roughness; 分类号 TP317.4 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于APSO-BP神经网络的齿轮表面粗糙度预测模型研究被引量：8: 4; 作者邹世铭方成刚; 机构南京工业大学机械与动力工程学院; 出处《工具技术》北大核心 2021年第6期47-51,共5页; 基金国家自然科学基金(51635003)。; 文摘为了有效地预测磨削加工的齿轮表面粗糙度,建立了以速比、砂轮转速、砂轮冲程速度和磨削深度为输入参数、齿轮表面粗糙度为输出参数的预测模型。该模型将自适应权重调整机制嵌入到粒子群算法中,得到了改进后的粒子群算法并优化BP神经网络的初始权值和阈值,从而形成了改进粒子群神经网络(APSO-BP)齿轮表面粗糙度预测模型。实验结果表明:改进后的粒子群神经网络预测模型能够有效克服BP神经网络易陷入局部最小值的缺陷,并且稳定性和精确性优于BP神经网络和粒子群神经网络(PSO-BP)。; 关键词齿轮表面粗糙度预测模型 BP神经网络改进粒子群算法; Keywords gear surface roughness prediction model BP neural network improved particle swarm optimization; 分类号 TG58 [金属学及工艺—金属切削加工及机床] TH161 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于改进粒子群神经网络的粗糙度建模方法	刘红军杨树新	《组合机床与自动化加工技术》北大核心	2018	5	在线阅读下载PDF 职称材料
2	汽油-天然气双燃料发动机噪声粗糙度分析	毛杰郝志勇张庆辉郑旭	《汽车工程》 EI CSCD 北大核心	2015	1	在线阅读下载PDF 职称材料
3	基于明暗恢复形状的加工表面形貌重构与粗糙度检测	郭便魏宏波	《工具技术》	2011	1	在线阅读下载PDF 职称材料
4	基于APSO-BP神经网络的齿轮表面粗糙度预测模型研究	邹世铭方成刚	《工具技术》北大核心	2021	8	在线阅读下载PDF 职称材料