基于前馈神经网络的钻孔精度影响因素预测模型

孔的加工是影响机械产品质量的关键工序之一,一旦出问题很难修复,钻孔精度的提升对于改进孔的加工质量、降低钻孔工件废品率、减少重复加工有着重要意义。机械产品中设计孔时经常有较高的精度要求,但实际孔加工时受到设备、钻头、材料加工方法等的影响,其精度影响因素众多,要在加工前对孔的加工精度进行预测,无法利用数学关系建立准确的预测模型,因此将其精度主要影响因素进行分析,设计影响因素的主要数据采集点,通过小批量的实验采集数据建立钻孔实验数据库,结合其数据特点,基于多模态的需要,利用深度为2的前馈神经网络拟态模型将钻孔精度定义的定位精度、尺寸精度、形状精度、表面精度和垂直精度五种精度建立预测模型,利用Adam优化器,结合均方误差(mean-square error,MSE)以及梯度下降法进行反向传播训练,对比实际加工结果,本模型在训练集中达到了89%的孔加工精度预测准确度。基于本模型的结果即可针对孔加工过程不同的影响因素进行针对性调整优化,提升孔加工的整体精度。

基于TCP/IP协议的擦窗机远程状态监测系统设计

擦窗机是一种高层外墙维护设备,具有型号多、分布广的特点。针对目前擦窗机在工作过程中存在的监测管理不便、故障处理时间长等问题,根据设备的工作特点,将PLC与GPRS通信模块连接,利用通信模块作为客户端,与服务器进行数据传输,使用MODBUS协议解析PLC数据,设计了基于TCP/IP协议的擦窗机远程监测与诊断系统。系统采用B/S模式架构进行人机交互,实现了对远程设备的图形化、数字化监测。本系统对擦窗机设备的安全操作、故障处理具有实际工程意义。