导读:本文包含了误差复映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:误差,神经网络,模糊,理论,正交,缸体,工艺学。
误差复映论文文献综述
何学崇[1]（2019）在《外圆加工圆度误差复映正交试验研究》一文中研究指出车床上车削外圆时,存在误差复映现象,工件毛坯的圆度误差会形成工件加工后的圆度误差。误差复映的大小可用误差复映系数衡量。误差复映系数与工艺系统刚度成反比,与径向切削力系数成正比。在实际生产中,当选定了机床、夹具、刀具和加工对象时,工艺系统的刚度是一个较稳定的值,基于此,从减少径向切削力系数着手,减少误差复映。径向切削力系数与切削速度υ、进给量f、车刀主偏角kr等参数有关。通过正交试验研究,确定了能减少圆度误差复映的合理切削用量和刀具主偏角。(本文来源于《机电工程技术》期刊2019年05期）
许艺萍,贺艺[2]（2013）在《箱体孔加工的差动螺旋微动调刀装置设计及误差复映分析》一文中研究指出箱体孔的精加工广泛采用镗刀,只有在径向尺寸上能够精确调整的刀具才能加工出较高精度的孔。而原有的普通的微动镗刀机构存在一定的局限性,不能满足现制造生产中,高效率、高精度、便于调刀等要求;主要介绍差动螺旋微调镗刀装置的结构与工作原理,并通过镗孔时差动螺纹微调的误差复映分析来说明螺距差动式微调镗刀在生产实践中的经济性和可行性。(本文来源于《煤矿机械》期刊2013年02期）
李绍红,洪渊海[3]（2012）在《轿车发动机缸套加工误差复映的解决》一文中研究指出1问题的提出缸套作为发动机的关键零件,它对发动机的功率和使用性能起着决定性的作用。我公司V6发动机缸体机加线加工过程中,抽样解剖发动机缸套发现其壁厚不均匀。经对缸套毛坯位置度抽样检测,(本文来源于《工具技术》期刊2012年08期）
李锋[4]（2009）在《《机制工艺学》中误差复映实验的改进设计》一文中研究指出本文通过对《机制工艺学》中原始差复映实验曲线失真原因的分析,并对其影响因素逐个进行论证,装置改进后的实验曲线与理论曲线基本吻合,实验结果正确、稳定。(本文来源于《考试周刊》期刊2009年28期）
龚赢[5]（2005）在《模糊神经网络在解决机械加工中误差复映问题的研究》一文中研究指出机械加工精度是衡量机械加工工艺的重要指标之一。加工精度是指零件加工后的实际几何参数(尺寸、形状和表面间的相互位置)与理想几何参数的符合程度。符合程度越高,精度越高。生产中加工精度的高低是用加工误差的大小来表示的。而误差复映现象是在机械加工中普遍存在的一种现象,它是由于加工时毛坯的尺寸和形位误差、装卡的偏心等原因导致了工件加工余量变化,而工件的材质也会不均匀,故引起切削力变化而使工艺系统变形量发生改变产生的加工误差。模糊神经网络是神经网络技术与模糊逻辑控制技术相结合的产物,是基于神经网络的模糊控制方法。本文提出用模糊神经网络来解决机械加工中的误差复映问题。通过对误差复映问题加以分析,得到加工后的误差与毛坯原有误差、工艺系统刚度、进给量、工件硬度、加工次数等的关系;针对这种映射关系得出模糊神经网络的模型来解决待解决的问题;用一个简易的偏心可调夹具在车床上进行实验,得到大量实验数据后在对数据进行整理和分析处理,在此基础上对模糊神经网络模型进行改进,并对网络进行训练完善,直至得出较为满意的输出;对网络进行测试,设计用户界面。论文最后对上述算法进行了计算机仿真,结果证明上述算法是正确和有效的。(本文来源于《吉林大学》期刊2005-05-10）
武星星[6]（2004）在《神经网络解决机械加工误差复映的应用研究》一文中研究指出在机械加工过程中，由于毛坯的尺寸和形位误差、装卡的偏心等原因导致工件加工余量变化，而工件的材质会不均匀，这些原因引起切削力变化，使工艺系统变形（让刀量）发生变化，从而产生加工误差，即机械加工中的误差复映现象。通常凭人的经验多次加工，每次加工取适当的加工余量减少误差复映引起的加工误差。 根据误差复映理论，误差复映系数反映了加工前毛坯误差对加工后工件误差的影响程度，而误差复映系数与工艺系统刚度、切削条件、进给量、工件材料的硬度等多个因素有关，且呈复杂的非线性关系难以通过公式精确算出。多次加工可以减少误差，而加工次数及每次加工余量的选取目前主要依靠人的经验。人工神经网络模仿大脑神经网络结构和功能，以其高度的并行性、高度的非线性全局作用、良好的容错性与联想记忆功能、十分强的自适应学习功能，在模式识别、模式分类、函数逼近、图像处理、信号处理、容错计算等领域得到了广泛的应用。利用神经网络的学习能力，BP网的任意非线性映射能力可以模拟这复杂的函数关系。通过对实验得到的样本集进行训练，当对训练好的网络给以一定的输入后可以得到正确的输出。从而可以根据加工的各种条件得出加工的次数及各次的加工余量。BP算法不受输入量和输出量数目的限制，在具体的研究应用中，可以根据需要修改源程序加以改进.在本论文中主要完成的研究内容如下:1.网络模型的建立通过分析误差复映问题的模型，分析比较各种神经网络的特点，确定了用于优化机械加工参数的神经网络模型。用神经网络优化机械加工参数，解决机械加工误差复映这一问题的实质是逼近一个复杂的非线性函数，而感知器只能解决输入线性可分的分类问题，自适应线性元件仅可以学习输入输出矢量间的线性关系，而BP网的任意非线性映射能力可以模拟这一复杂的函数关系。通过对误差复映模型的分析，采用加工前后的误差EE、EB，工艺系统刚度K系，工件硬度HBS， 进给量f作为BP网络的输入，第一、二次切深占总切深的比例P1、P2作为BP网络的输出。2．BP算法的改进针对标准ＢＰ算法训练时间长、不易收敛的缺点，根据本课题应用实<WP=66>际，结合附加动量法、自适应学习率和双极性S型压缩函数法，对BP算法进行了改进，使用效果良好。采用附加动量法修正网络权值，不仅考虑误差在梯度上的作用，而且考虑在误差曲面上变化趋势的影响，如同一个低通滤波器，使网络忽略微小变化，滑过局部极小值。在训练网络中，针对特定的问题，学习速率的选取往往比较盲目，学习速率太小，导致训练时间增长，学习速率太大，又可能引起训练瘫痪现象。为了解决这一问题采取自适应学习率的方法在训练中自动调整学习速率，保证网络总是以最大的可接受的学习速率进行训练，大大缩短了训练时间。本文利用MATLAB的神经网络工具箱, 用实例说明了结合附加动量法和自适应学习率改进后算法的优越性。3.BP网络结构的确定通过对实验数据采用不同网络结构进行训练，分析比较研究不同网络结构对训练结果的影响。确定BP网络的隐层数，各层神经元数，从而确定了BP网络的结构。采用两个隐层，第一、二隐层神经元数分别为15、12即 5-15-12-2的网络结构最为合理，具有较快的收敛速度和较小的训练误差，且不易出现过度匹配。4.BP网络解决复映问题的研究对ＢＰ网络进行训练后，用测试集测试它的泛化能力，观察测试结果与实际结果的差距，分析用BP网络解决机械加工中误差复映问题，实现加工参数优化的可行性。分析测试数据可知:用训练集训练BP网络可以很好地收敛，而用测试集测试网络时却有一定的误差，且当输入量靠近训练所用结点时误差很小，这说明训练集可能不够完备，即训练集可能没有完全覆盖整个实际的集合，但同时说明只要拥有比较完备的训练集(更多大量全面的实验或全面的经验数据)，可以很好地用BP网络解决机械加工中的误差复映问题，实现加工参数优化。5．偏心夹具的设计根据实验需要，设计了一个简易的偏心连续可调夹具，它利用了棒料在车削中中心线相对车床主轴的变化，用很简单的方法实现了偏心的连续可调，在实验中效果良好。6．图形用户界面的设计利用MATLAB的GUI设计工具GUIDE设计了能够实现训练参数设定，训练网络和测试网络的图形用户界面。如图1所表示：<WP=67> 图1“训练网络”主菜单项由四个子菜单项组成，主要完成训练参数设定、网络训练等功能。“输入加工条件和要求”主菜单项用于输入工艺系统刚度、进给量、加工前径向误差、加工后径向误差和工件硬度作为网络的输入。当单击“计算各次加工比例”菜单项可以正向计算输出第一、二次的加工比例。(本文来源于《吉林大学》期刊2004-06-01）
王艳伟[7]（2004）在《RBF网在机械加工误差复映中的应用技术研究》一文中研究指出轴类零件加中的误差复映现象影响了零件的加工精度，但由于影响其加工的精度的因素很多，而且不容易确定具体的因素，因此没有一个绝对精确的公式可以算出怎样加工才能达到要求的加精度，或者我们即使得到这样一个公式来做计算也是非常烦琐的。 神经网络算法的出现解决了很多单靠公式不能解决的问题，ANN通过由样本集的训练，学习样本集中的统计规律，将学习后的信息保存在权值中，当输入非样本集的模式时，训练理想的神经网络中的RBFN具有很强的非线性映射能力，而且不受输入量和输出量数目的限制，在具体的研究应用中，你可以根据需要自由修改原程序。RBFN现在各个领域被广泛应用，并且不断出现改进后的算法。针对本论文研究的实际问题，我采用了RBFN作为研究工具，通过使用大量的实验数据对RBF网络进行训练，研究分析了复映现象的几个影响因素和使用RBFN解决复映现象的影响因素，以及使用RBFN解决复映问题的可行性。 主要完成的研究内容如下： 1．RBF网络结构的确定 本文通过做大量的实验，验证以及总结了如何确定RBF网络的网络结构，以及不同的网络结构对实验结果的影响，具体为隐层的确定，隐层神经元数目的确定。 2．各种因素对加工精度的影响 通过对RBF网络的训练，发现有的输入量对结果的好坏起很重要的作用，这就提醒我们，这个输入量是影响加工精度的决定性因素。而有的输入量却不怎么影响训练结果，则我们可以下结论，这个因素不是影响加工精度的决定性因素，或者可以被忽略。 3．RBF网络解决复映问题的研究 对RBF网络进行训练后，用测试集测试它的泛化能力，观察测试结果与实际结果的差距，分析用RBF网络解决机械加工中复映问题的可行性。 4．本文中对RBFN的局部修改 在不同的应用课题中，必要时RBFN要被局部修改以适应研究课题的特性。本论文在网络设计中也对它进行了局部修改，并且可以很好地运行。<WP=64>(本文来源于《吉林大学》期刊2004-03-01）
赵兴新[8]（2004）在《套圈内圆磨削圆度误差复映规律分析与对策》一文中研究指出根据内圆磨削圆度误差复映原理 ,在假定磨削系统是静态的情况下 ,建立了内圆磨削圆度误差复映规律数学模型 ,讨论分析了工件转数对内圆磨削圆度误差复映的影响 ,提出将工件电机改为变频无级调速 ,根据磨削前内圆形状误差的大小设定转速 ,对解决圆度误差是有效、可行的(本文来源于《轴承》期刊2004年01期）
朱喜林,李峥,鄂世举,李晓梅[9]（2002）在《基于神经网络的误差复映参数算法》一文中研究指出提出一种用人工神经网络解决机械加工中的误差复映问题的方法。分析了误差复映产生的机理,利用人工神经网络的非线性映射能力对输入样本进行分类,并用模糊理论对输出结果进行处理。对模糊理论和神经网络在机械加工中的应用作了一定的探索。(本文来源于《机械工程师》期刊2002年07期）
童一帆[10]（1999）在《误差复映分析》一文中研究指出在实际加工中，发现了除教科书中的误差复映形式以外的另两种复映形式．这两种复映形式决定于刀具切削部分的几何参数、刀具的悬伸量、主轴及尾座的刚度、刀架的刚度及方向性、工件的刚度和工件加工余量及金量的均匀性等因素．据此建立起一个“摆动中心形成”假说，可以更方便地解释各种复映存在的可能性．(本文来源于《石家庄大学学报》期刊1999年02期）
误差复映论文开题报告
（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：
箱体孔的精加工广泛采用镗刀,只有在径向尺寸上能够精确调整的刀具才能加工出较高精度的孔。而原有的普通的微动镗刀机构存在一定的局限性,不能满足现制造生产中,高效率、高精度、便于调刀等要求;主要介绍差动螺旋微调镗刀装置的结构与工作原理,并通过镗孔时差动螺纹微调的误差复映分析来说明螺距差动式微调镗刀在生产实践中的经济性和可行性。
（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。
误差复映论文参考文献
[1].何学崇.外圆加工圆度误差复映正交试验研究[J].机电工程技术.2019
[2].许艺萍,贺艺.箱体孔加工的差动螺旋微动调刀装置设计及误差复映分析[J].煤矿机械.2013
[3].李绍红,洪渊海.轿车发动机缸套加工误差复映的解决[J].工具技术.2012
[4].李锋.《机制工艺学》中误差复映实验的改进设计[J].考试周刊.2009
[5].龚赢.模糊神经网络在解决机械加工中误差复映问题的研究[D].吉林大学.2005
[6].武星星.神经网络解决机械加工误差复映的应用研究[D].吉林大学.2004
[7].王艳伟.RBF网在机械加工误差复映中的应用技术研究[D].吉林大学.2004
[8].赵兴新.套圈内圆磨削圆度误差复映规律分析与对策[J].轴承.2004
[9].朱喜林,李峥,鄂世举,李晓梅.基于神经网络的误差复映参数算法[J].机械工程师.2002
[10].童一帆.误差复映分析[J].石家庄大学学报.1999
论文知识图
