针对6061Al铣削中表面粗糙度预测精度低、切削参数选择不合理的问题,提出一种基于遗传神经网络与遗传算法结合的优化模型,对6061Al切削参数进行优化。采用遗传神经网络(GA-BP)构建表面粗糙度预测模型;基于表面粗糙度预测,以材料去除率为目标函数构建切削参数优化模型;利用遗传算法进行优化求解,对6061Al切削参数进行优化。研究结果表明:所建预测模型表面粗糙度预测精度在97%以上;同时,优化模型能优化6061Al切削参数,达到较好的全局寻优效果,为铝合金工件铣削加工切削参数优化提供参考。

为获取多深孔特征汽车端盖的实体化模型,对其模型重构方法进行研究。运用Geomagic Wrap完成点云数据的精简和噪点的去除,应用GA-BP算法对跨面点云孔洞修补。利用Geomagic Design X的正逆向结合设计功能,截取深孔特征处的轮廓;基于点云的自动特征识别进行参数化修正,运用正向设计命令完成实体模型的重构。采用Geomagic Control X软件对实体模型与原始点云数据的偏差进行分析,验证了该建模思路能够获得满足精度要求的汽车端盖实体模型,对具有相似情况的零件模型重构提供了参考。

液压系统作为控制和动力传输设备的核心部件,在现代工业生产机械中被广泛应用,准确诊断其故障具有提高生产效率和保障工作安全性等重要的工程意义。液压系统一旦发生故障往往是多故障同时出现,传统BP神经网络故障诊断算法往往不能满足多故障诊断准确率,提出一种基于遗传算法改进BP神经网络(GA-BP)的液压系统故障诊断方法,针对不同采样频率下多传感器信息融合的液压系统3种典型的故障模式进行对比分析。结果表明:GA-BP故障诊断算法相对于传统的

发动机排气系统噪声主动控制相对于被动控制具有更好的效果。其中控制算法的选取决定了降噪效果的好坏。目前主要应用BP神经网络算法对发动机排气噪声进行控制,但是BP网络算法存在一些缺点,比如容易陷入局部极小值、收敛精度低等。将GA-BP算法引入汽车排气系统噪声主动控制中,建立基于GA-BP神经网络的汽车排气噪声主动控制系统的仿真模型。由仿真结果得出,所提方法能够使BP网络算法的收敛精度明显得到改善,有效地提高了噪声主动控制系统的降噪效果。