吴庆朝美术作品选

吴庆朝，男，1953年生于河北枣强县，1976年毕业于河北工艺美术学校，1990年毕业于邯郸市教育学院美术系。现任河北衡水职业技术学院艺术设计系副教授。一直从事基础绘画教学研究。

基于改进PSO优化BP的数控机床热误差预测研究

热误差是影响数控机床加工精度的主因,为提高数控机床热误差模型的预测精度,提出了基于改进粒子群优化BP神经网络的数控机床热误差建模预测方法。针对BP易陷入局部最优、收敛速度慢,在标准粒子群算法的基础上,改进粒子的速度与位置更新策略,在此基础上优化BP神经网络的阈值和权值,并建立数控机床热误差预测模型;借助于MATLAB完成仿真实验,结果表明,与标准的BP神经网络和支持向量机相比,基于改进粒子群优化BP神经网络的数控机床热误差预测模型精度高、泛化能力强。

粒子群优化支持向量机的BOF用氧量预报研究

针对BOF用氧量预报模型精度不高的问题,提出利用粒子群优化支持向量机的用氧量预报建模方法,以此来优化用氧量,进而提高钢液的质量。结果表明,与RBF、BP及SVM相比,粒子群优化支持向量机的BOF吹氧量预报模型精度高、推广能力强。

基于PSO优化SVM的转炉炼钢用氧量预测研究

用氧量是影响钢水质量的主要因素之一,为提高转炉炼钢用氧量模型的预测精度,提出基于PSO优化SVM的吹氧量建模预测方法。针对SVM结构参数依据经验选取,致使预测模型的泛化能力差,在标准PSO算法的基础上,优化SVM的惩罚系数、不敏感损失系数和高斯核宽度系数3个结构参数,并建立转炉炼钢用氧量预测模型;在此基础上利用UCI数据库中的Auto-MPG标准数据,验证了方法的有效性;最后以某钢厂100 t转炉的实际生产数据建立吹氧量预测模型,结果表明,与标准BP、RBF及SVM相比,基于PSO优化SVM的转炉炼钢吹氧量预测模型精度高、泛化能力强。

融合KPCA与PSO-RBF的数控机床故障诊断研究

针对数控机床发生故障时多故障源、多变量、强耦合的特点和RBF神经网络结构参数选取依据经验的问题,提出一种融合核主元分析方法(kernel principal component analysis,KPCA)与粒子群算法优化RBF神经网络的数控机床故障诊断方法。首先,对所测信号利用核主元分析方法进行降噪、拨冗余,提取故障特征;其次,利用粒子群算法(Particle swarm optimization,PSO)优化RBF神经网络隐层节点中心和宽度;最后,将经KPCA提取的故障特征作为输入,建立PSO优化RBF的故障诊断模型。通过某数控床伺服系统七种常见故障特征仿真实验,结果表明:与RBF神经网络、PSO优化RBF神经网络相比,融合KPCA和PSO优化RBF神经网络的故障诊断方法不仅提高了网络的训练速度及泛化能力,而且具有更高辨识精度。

基于改进PSO优化模糊神经网络的数控机床故障诊断技术研究

数控机床故障具有隐蔽性和复杂性的特点,为了快速准确地识别数控机床发生的故障,结合粒子群算法全局搜索能力强、寻优速度快及模糊神经网络容错能力强、自适应性强的特点,提出了将模糊逻辑、RBF神经网络及粒子群算法有机结合的数控机床故障诊断方法。为了改善粒子群算法局部搜索能力,在标准粒子群算法的基础上,改进粒子群的速度更新公式和惯性权重,以此优化模糊神经网络结构参数,从而建立起改进PSO优化模糊神经网络的数控机床主轴伺服系统故障诊断模型。实验和仿真结果表明:与RBF神经网络、标准PSO优化模糊神经网络相比,改进PSO优化模糊神经网络的故障辨识准确性更高、泛化能力更强。

改进PSO优化模糊RBF神经网络的牵引变压器故障诊断研究

为了快速准确地识别出油浸式牵引变压器的常见故障,结合粒子群算法全局搜索能力强、寻优速度快及模糊神经网络容错能力强、自适应性强的特点,提出了将模糊逻辑、RBF神经网络及粒子群算法有机结合的油浸式牵引变压器故障诊断方法。针对粒子群算法局部搜索能力不足的缺点,改进粒子群的速度更新公式和惯性权重,以此优化模糊神经网络的结构参数,从而构建起基于油中气体分析技术的改进PSO优化模糊神经网络的牵引变压器故障诊断模型。实验及仿真结果表明,与BP神经网络、标准PSO优化模糊神经网络相比,改进PSO优化模糊神经网络的故障辨识准确性更高、泛化能力更强。

基于KPCA与MPSO–BP注射成型工艺参数优化

针对注塑过程中工艺参数的优化选择问题,提出一种融合核主元分析方法 (KPCA)与改进粒子群算法优化BP神经网络的成型工艺参数优化方法。首先,对正交实验数据作为训练样本的工艺参数利用核主元分析方法进行降维、拨冗余,约减网络结构;其次,针对BP易陷入局部最优、收敛效率低的不足,改进粒子群算法中粒子速度与位置更新策略并优化BP算法的权值和阈值,从而构建了工艺参数预测模型。在此基础上,实现粒子群算法寻优最佳的注射成型工艺参数。结果表明,该方法能够更快、更好地获得注射成型中的工艺参数,且以此工艺参数进行实验,塑料件的翘曲变形量、收缩率均较小。

改进粒子群优化BP的数控机床热误差预测研究

由于BP存在网络结构选取基于经验、易陷入局部最优、收敛速度慢等缺陷,致使基于BP的数控机床热误差预测模型精度不高,对此提出了一种改进粒子群优化BP的数控机床热误差预测建模的新方法。通过改进标准粒子群算法中粒子的位置与速度更新策略,以此寻找BP神经网络最优的阈值和权值,在此基础上建立数控机床热误差预测模型。仿真实验结果表明:与标准的BP神经网络和支持向量机相比,改进粒子群优化BP神经网络的数控机床热误差预测模型精度更高、泛化能力更强。

基于PLC控制器的自走式饲料搅拌车电子油门控制系统研究

自走式饲料搅拌车中油门控制系统非常重要,不仅关系到整个车辆的燃油效率,而且直接影响车辆的动力性能和舒适性。因此,以自走式饲料搅拌车为研究对象,针对单油门控制功能的不足,克服开发发动机ECU程序周期长、成本高的缺点,设计并优化一种基于PLC控制器的电子油门控制系统,实现整车操作的两路油门精确控制。将其应用在研发的自走式饲料搅拌车上,有效地提高了整车的动力性能和舒适性。

改进粒子群优化BP神经网络的SRM转子位置间接检测

提出了基于改进粒子群优化BP神经网络的开关磁阻电机转子位置建模估算方法。针对BP易陷入局部最优、收敛速度慢等情况,在标准粒子群算法的基础上,改进粒子的速度与位置更新策略,优化BP神经网络的阈值和权值,建立起开关磁阻电机磁链、电流和转子位置的非线性映射关系。借助于MATLAB/Simulink完成仿真。结果表明,与标准的BP神经网络和遗传算法优化的BP神经网络相比,基于改进粒子群优化BP神经网络算法结构简单、训练迅速,能够获得更高的精度,实现了开关磁阻电机转子位置的间接检测。

DSA200受电弓下臂焊接工艺研究

DSA200受电弓下臂焊接主体结构由主轴管、中心轴管、下支管焊接而成,下臂焊接中各零部件在空间上形成了多维度、多角度的焊接件,组对和焊接困难;分析了受电弓下臂焊接的工艺难点,确定了焊接工艺规范并进行了工艺试验,设计了组对和焊接工装,从而保证了DSA200受电弓下臂焊接产品质量。

试论水粉基础绘画用笔的艺术性

不同的用笔留下不同的笔触,笔触能加强主题的气氛、意境,能抒发作者的激情,还可产生画面的韵律美。一幅水粉习作在构图、色调以及物象的形体结构都合理的前提条件下,如何使用水粉画笔画出合理的富有变化的笔触是至关重要的艺术手段,也是对物象结构、画面艺术效果识别能力的重要体现。