检索结果-维普期刊中文期刊服务平台

基于SO-ELM的数控机床进给系统热误差分析被引量：3: 1; 作者杨铜铜孙兴伟 +2 位作者杨赫然刘寅赵泓荀《组合机床与自动化加工技术》北大核心 2024年第7期35-39,共5页; 为了对数控机床进给系统热误差进行更加精确的预测,提出一种基于蛇优化(SO)算法和极限学习机(ELM)的数控机床进给系统热误差预测模型SO-ELM。利用模糊c均值聚类(FCM)和灰色关联度分析(GRA)筛选出进给系统的关键测温点;通过蛇优化算法优... 展开更多; 关键词进给系统热误差预测蛇优化极限学习机; 在线阅读下载PDF 职称材料

基于麻雀算法优化神经网络的螺杆砂带磨削去除深度预测被引量：1: 2; 作者杨赫然张培杰 +3 位作者孙兴伟潘飞董祉序刘寅《表面技术》北大核心 2025年第2期182-190,共9页; 目的准确获得螺杆转子砂带磨削材料去除深度,探究工艺参数对材料去除深度的影响。方法通过分析螺杆转子砂带磨削去除机理,确定材料去除深度影响因素。提出一种基于麻雀算法优化长短时记忆网络-卷积神经网络模型(SSA-CNN-LSTM),对螺杆转... 展开更多; 关键词材料去除深度砂带磨削预测螺杆转子; 在线阅读下载PDF 职称材料

基于BiLSTM-LSSVM的螺杆转子铣削加工廓形预测: 3; 作者李佳孙兴伟 +3 位作者赵泓荀穆士博刘寅杨赫然《组合机床与自动化加工技术》北大核心 2024年第9期153-156,162,共5页; 针对螺杆转子盘铣刀加工过程中的轮廓预测问题,提出了基于双向长短时神经网络-最小二乘支持向量机(BiLSTM-LSSVM)的螺杆廓形预测方法。首先,对加工过程中的振动信号进行采集并进行降噪预处理,降噪后的信号进行降采样处理随后输入BiLSTM... 展开更多; 关键词螺杆转子长短时神经网络最小二乘支持向量机廓形预测; 在线阅读下载PDF 职称材料

基于改进神经网络算法的螺杆砂带磨削表面粗糙度预测研究被引量：17: 4; 作者董浩生杨赫然 +2 位作者孙兴伟董祉序刘寅《表面技术》 EI CAS CSCD 北大核心 2022年第4期275-283,共9页; 目的探究工艺参数对螺杆转子砂带磨削表面质量的影响规律。方法采用工件轴向进给速度为100~300 mm/min、砂带线速度为4.4~13.1 m/s、砂带张紧压力为0.2~0.3 MPa、磨削压力为0.4~0.5 MPa、砂带粒度为120~800目的工艺参数进行螺杆转子砂... 展开更多; 关键词磨削表面粗糙度麻雀搜索算法神经网络预测; 在线阅读下载PDF 职称材料

题名基于SO-ELM的数控机床进给系统热误差分析被引量：3: 1; 作者杨铜铜孙兴伟杨赫然刘寅赵泓荀; 机构沈阳工业大学机械工程学院沈阳工业大学辽宁省复杂曲面数控制造技术重点实验室; 出处《组合机床与自动化加工技术》北大核心 2024年第7期35-39,共5页; 基金国家自然科学基金项目(52005346) 辽宁省应用基础研究计划项目(2022JH2/101300214) 2022年度辽宁省教育厅高等学校基本科研项目面上项目(LJKMZ20220459)。; 文摘为了对数控机床进给系统热误差进行更加精确的预测,提出一种基于蛇优化(SO)算法和极限学习机(ELM)的数控机床进给系统热误差预测模型SO-ELM。利用模糊c均值聚类(FCM)和灰色关联度分析(GRA)筛选出进给系统的关键测温点;通过蛇优化算法优化极限学习机的输入层权重和隐藏层偏置,利用关键温度测点的温升数据和热误差数据构建SO-ELM热误差预测模型。为验证模型的准确性和适用性,与基于SSA-BP和LSMT的热误差预测模型进行对比分析,结果表明SO-ELM模型预测结果的均方根误差和决定系数均优于SSA-BP和LSTM模型,能够更精准地对机床进给系统热误差进行预测,为机床热误差预测补偿提供一种新的思路。; 关键词进给系统热误差预测蛇优化极限学习机; Keywords feed system thermal error prediction snake optimization extreme learning machine; 分类号 TH162 [机械工程—机械制造及自动化] TG502 [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

题名基于麻雀算法优化神经网络的螺杆砂带磨削去除深度预测被引量：1: 2; 作者杨赫然张培杰孙兴伟潘飞董祉序刘寅; 机构沈阳工业大学机械工程学院沈阳工业大学辽宁省复杂曲面数控制造技术重点实验室; 出处《表面技术》北大核心 2025年第2期182-190,共9页; 基金辽宁省教育厅高等学校基本科研项目面上项目(LJKMZ20220459,JYTMS20231190) 辽宁省应用基础研究计划项目(2022JH2/101300214) “兴辽英才计划”青年拔尖人才项目(XLYC2203190)。; 文摘目的准确获得螺杆转子砂带磨削材料去除深度,探究工艺参数对材料去除深度的影响。方法通过分析螺杆转子砂带磨削去除机理,确定材料去除深度影响因素。提出一种基于麻雀算法优化长短时记忆网络-卷积神经网络模型(SSA-CNN-LSTM),对螺杆转子砂带磨削加工中的材料去除深度进行预测。以磨削中影响材料去除深度的因素为输入,磨削深度为输出,构建利用SSA对CNN-LSTM超参数进行寻优的预测模型,并且与CNN-LSTM、LSTM、PSO-BP、RBF以及随机森林预测方法进行对比。结果所提预测方法平均绝对百分比误差MAPE可达0.0461,均方根差RMSE为9.261,平均绝对误差MAE达7.836,确定系数R^(2)为0.9974,相比于未优化CNN-LSTM网络和其他经典网络模型,预测精度更高,能够有效预测螺杆转子磨削材料去除深度。利用提出的模型探究了磨削工艺参数对材料去除深度MRD和材料去除一致性的影响。由预测结果可知,螺杆转子砂带磨削材料去除深度随法向压力、砂带线速度增加而增大,随进给速度、砂带目数增加而减小,且受法向压力影响最明显。通过对磨削前后工件廓形进行分析可知,材料去除深度随磨削区域受到的法向压力呈现中间磨削深度大、两侧逐渐减小的趋势。结论提出的预测模型预测效果显著,分析了工艺参数对磨削材料去除深度和去除一致性的影响规律,可为其他类型的加工轮廓预测提供参考。; 关键词材料去除深度砂带磨削预测螺杆转子; Keywords MRD abrasive belt grinding prediction screw rotor; 分类号 TG580.6 [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

题名基于BiLSTM-LSSVM的螺杆转子铣削加工廓形预测: 3; 作者李佳孙兴伟赵泓荀穆士博刘寅杨赫然; 机构沈阳工业大学机械工程学院沈阳工业大学辽宁省复杂曲面数控制造技术重点实验室; 出处《组合机床与自动化加工技术》北大核心 2024年第9期153-156,162,共5页; 基金辽宁省应用基础研究计划项目(2022JH2/101300214) 国家自然科学基金项目(52005346) 2022年度辽宁省教育厅高等学校基本科研项目面上项目(LJKMZ20220459)。; 文摘针对螺杆转子盘铣刀加工过程中的轮廓预测问题,提出了基于双向长短时神经网络-最小二乘支持向量机(BiLSTM-LSSVM)的螺杆廓形预测方法。首先,对加工过程中的振动信号进行采集并进行降噪预处理,降噪后的信号进行降采样处理随后输入BiLSTM中进行时序预测;其次,对时序预测后的信号进行特征提取,将提取后的特征向量输入LSSVM进行廓形预测;最后,以五头螺杆为例通过正交实验对BiLSTM-LSSVM模型进行试验验证,并对预测廓形进行误差补偿实验。实验结果表明,提出的基于BiLSTM-LSSVM的螺杆廓形预测模型可对螺杆转子盘铣刀加工螺杆廓形进行准确预测,进而为螺杆转子加工廓形补偿提供支持。; 关键词螺杆转子长短时神经网络最小二乘支持向量机廓形预测; Keywords screw rotor bi-directional long short-term memory least square support vector machines profile prediction; 分类号 TH162 [机械工程—机械制造及自动化] TG54 [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

题名基于改进神经网络算法的螺杆砂带磨削表面粗糙度预测研究被引量：17: 4; 作者董浩生杨赫然孙兴伟董祉序刘寅; 机构沈阳工业大学机械工程学院沈阳工业大学辽宁省复杂曲面数控制造技术重点实验室; 出处《表面技术》 EI CAS CSCD 北大核心 2022年第4期275-283,共9页; 基金辽宁省自然科学基金指导计划(2019-ZD-0206) 辽宁省“兴辽英才计划”(XLYC1905003) +2 种基金国家自然科学基金(52005347) 辽宁省博士启动项目(2019BS181)。; 文摘目的探究工艺参数对螺杆转子砂带磨削表面质量的影响规律。方法采用工件轴向进给速度为100~300 mm/min、砂带线速度为4.4~13.1 m/s、砂带张紧压力为0.2~0.3 MPa、磨削压力为0.4~0.5 MPa、砂带粒度为120~800目的工艺参数进行螺杆转子砂带磨削正交实验,基于改进的神经网络算法,建立螺杆转子砂带磨削后的表面粗糙度值预测模型,对磨削后的工件表面质量进行预测及分析。在此基础上采用预测模型针对各工艺参数对磨削质量的影响规律进行预测分析。结果利用多因素磨削实验获得预测样本及对比样本,对比结果表明,预测模型的平均训练精度约为93.38%,预测精度为92.46%。螺杆转子砂带磨削表面粗糙度值的单因素预测结果表明,工件表面粗糙度值随着接触轮正压力及磨削装置轴向进给速度的增加而升高,随着砂带线速度及砂带粒度的增加而降低。结论提出的算法可为选择螺杆转子砂带磨削的工艺参数提供理论依据。适当提高砂带线速度及砂带粒度、降低接触轮气缸压力及磨削装置轴向进给速度可获得较高的表面质量。; 关键词磨削表面粗糙度麻雀搜索算法神经网络预测; Keywords grinding surface roughness sparrow search algorithm neural network prediction; 分类号 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SO-ELM的数控机床进给系统热误差分析	杨铜铜孙兴伟杨赫然刘寅赵泓荀	《组合机床与自动化加工技术》北大核心	2024	3	在线阅读下载PDF 职称材料
2	基于麻雀算法优化神经网络的螺杆砂带磨削去除深度预测	杨赫然张培杰孙兴伟潘飞董祉序刘寅	《表面技术》北大核心	2025	1	在线阅读下载PDF 职称材料
3	基于BiLSTM-LSSVM的螺杆转子铣削加工廓形预测	李佳孙兴伟赵泓荀穆士博刘寅杨赫然	《组合机床与自动化加工技术》北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于改进神经网络算法的螺杆砂带磨削表面粗糙度预测研究	董浩生杨赫然孙兴伟董祉序刘寅	《表面技术》 EI CAS CSCD 北大核心	2022	17	在线阅读下载PDF 职称材料