数控实训基地建设的研究与实践——以郑州城市职业学院为例

数控实训基地建设的研究能够充分利用学校现有资源,实现资源优势整合,并且可以利用基地创办校内工厂,实现学生实训与生产一体化。为学院的发展、学生职业技能的提高提供强有力的保障。

基于BP优化DBN算法的数控锻床传动主轴故障识别

滚动轴承实际运行阶段受到多种外部因素干扰,使得监测数据中含有多种工况的复杂故障信号,可以通过DBN模型的特征自适应提取性能从复杂信号中提取出故障参数。为了解决处理更深层次神经网络会导致时间明显增加现象,在DBN基础上经过优化后再将其用于诊断传动主轴故障,此方法是通过建立新激活函数来消除神经网络对于反向传播产生的梯度缺陷,实现了故障识别准确率的明显提升,具备显著优势。

基于Autoform的汽车覆盖件拉延过程模拟

在UG环境下对某汽车覆盖件的隔板后构件的拉延工序进行造型,运用板料成形分析软件Autoform进行了CAE拉延成形模拟分析。通过模拟分析,可快速地得到近似的冲压成形模拟结果。利用分析结果预测破裂和起皱等成形缺陷,优化冲压工艺参数,可以降低汽车冲压件的制造成本,缩短新产品开发周期。

基于PCA和GA-SVM联合模型的数控转台升降系统故障诊断

通过动态主成分分析(Prineipal Component Analysis,PCA)的方式来实现高维数据的降维过程,简化数据的分析过程并提升数据处理效率,再把提取得到的主成分因子输入支持向量机中;接着利用遗传算法(Genetic Algorithm,GA)全局搜索方式优化支持向量机(Support Vector Machine,SVM)参数,有效克服人为选择参数所导致的盲目性,由此得到最优模型参数。研究结果表明:主成分信息表患共提取4个主元,相对原特征参数的占比为95.12%,完成了原数据高效压缩与降维的效果。迭代12次之后达到了98%的平均适应度,已经接近最佳适应度,说明此时种群中个体已经基本获得最优解。支持向量机获得了比反向传播(Back Propagation,BP)网络更高的诊断准确率,说明支持向量机更适合处理小样本与非线性问题,可将其应用于其它机械控制设备。