半闭环数控机床误差补偿技术研究

为提高半闭环数控机床的位置精度，建立了半闭环数控系统的位置控制模型，研究了机床传动误差的补偿机理，构造了半闭环的补偿型控制环路．实例验证了误差补偿方法的有效性。     

基于RBF神经网络的MEMS惯性传感器误差补偿方法

传统的微机电系统(MEMS)惯性传感器误差补偿技术通常采用多元线性回归误差模型,未考虑传感器误差的非线性特性,不能实现精确的误差补偿。针对以上问题,提出了一种基于径向基函数神经网络的微惯性测量单元误差补偿模型,将MEMS惯性传感器三轴测量值和真实值作为样本,对网络进行训练,利用训练好的网络对MEMS加速度计和陀螺仪进行误差补偿。实验结果表明:与多元线性回归误差模型相比,神经网络对惯性传感器具有更好的降噪滤波效果;且基于径向基函数神经网络的惯性传感器误差补偿精度较另外2种模型提升了1～2个数量级。所提方案能够有效地补偿MEMS惯性传感器误差。     

软件设计模式在数控系统人机界面开发中的应用

随着开放式数控系统的发展,对数控系统人机界面的设计提出了更高的开放性和可靠性等要求。本文采用软件设计模式方法,在分析了开放式数控系统功能界面需求的基础上,引入了观察者模式和桥接模式的软件设计方法,阐述了其实现结构与运行机制,设计了一个基于以上软件模式的人机界面。结果表明:采用此类方法可实现系统结构合理化,提高系统可靠性,增强系统的扩展性。     

浅析数控铣床刀具半径补偿功能

在数控铣削加工中,合理设置刀具半径补偿值,灵活应用刀具半径补偿功能,不仅对简化数控编程有着非常重要的意义,而且能够解决加工中出现的工件轮廓尺寸变化、刀具磨损等因素引起的加工误差问题,提高加工效率。本文主要探讨刀具半径补偿功能在数控铣削加工中的应用。     

数控技术和装备发展趋势

简要论述了数控技术和装备的发展趋势:高速、高精加工技术及装备的新趋势;5轴联动加工和复合加工机床快速发展;智能化、开放式、网络化成为当代数控系统发展的主要趋势;重视新技术标准、规范的建立。     

一类线性系统的抗干扰分析及动态补偿器设计

本文利用状态空间法对带有干扰的线性系统进行了抗干扰分析，并给出了带有干扰补偿的动态补偿器的设计方法．     

误差补偿和时滞辨识预测控制算法

通过神经网络辨别出非线性系统的滞后时间,并采用误差补偿手段对神经网络进行修正,控制系统的反馈取自不带时滞的非线性神经网络的输出,采用预测控制策略改善整个系统的控制性能。仿真实验表明该方法具有较快的响应速度和较强的自适应性与鲁棒性,能有效克服延迟和干扰给控制品质带来的不利影响,取得了良好的控制性能。     

开放式数控系统软件体系结构初探

通过分析各种数控系统的基本需求和各种不同机床的特点,在对传统数控系统软件体系结构进行分析的基础上,从几种常用的数控系统中抽取其共性,并采用组件技术设计出基于组件的开放式数控系统的体系结构,能够在保持结构和接口稳定的情况下定制出不同种类的数控系统软件,具有良好的工业应用前景。     

基于AHP法的智能制造CNC资源的优选

在开放式数控系统的开发中,针对国内外众多的数控系统硬软件平台,并利用层次分析法多准则决策方法的定性、定量结合的思路,建立层次结构数学模型,成功地筛选出了满足要求的理想的开放CNC数控系统。该系统是用PMAC多轴运动控制卡构造的PMAC-NC数控系统,能满足工程技术的要求和教学的需要。     

采用神经网络滑模控制的齿隙摩擦补偿

基于滞环齿隙模型和集合摩擦模型,建立了齿轮传动系统动力学变结构模型。采用径向基函数(RBF)神经网络和滑模控制构成复合控制器,对系统齿隙、摩擦非线性因素进行了补偿。利用RBF神经网络调节滑模控制器的切换项增益,降低了滑模控制的抖振,提高了补偿效果,仿真结果验证了该方法的可行性。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数 ,得到小波神经网络。通过小波的去噪和神经网络的自学习功能 ,获取系统输入输出的非线性动力学特性 ,进而实时计算出残差并进行逻辑判决 ,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真 ,结果表明了该方法的有效性     

基于BP神经网络专家系统的财产保险公司全面风险预警系统研究

为了克服传统的偿付能力监管所隐藏的风险因子考虑不周以及保险统计数据匮乏等的弊端,借鉴国内外权威保险监管机构和专家学者的最新研究成果,尝试提出了我国财产保险公司全面风险预警指标体系;利用BP神经网络和专家系统相结合的方法,构建了我国财产保险公司全面风险预警机制并进行了实证分析。结果表明,利用BP神经网络专家系统对财产保险公司进行全面风险预警,具有极高的预测精度和较强的鲁棒性。     

基于改进粒子群算法的神经网络优化证券投资组合方法

采用人工神经网络对证券投资进行预测与分析的研究过程中,提高神经网络各个节点参数的优化能力是极其关键的。传统的神经网络存在学习速度慢、易陷入局部极小值、预测结果精度较低等缺点,一种玫进型粒子群（Improved Particle Swann Optimizer,IPSO）算法．可以优化BP（Back Propagation）神经网络．并将优化后的BP神经网络应用于优化证券投资组合中。实验结果表明：该研究方法能够在预测精度和稳定性方面明显优于传统的PSO—BP神经网络优化证券投资组合方法。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

基于人工神经网络的公路软基沉降预测模型

基于人工神经网络理论，提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型，并用于汕汾高速公路预压荷载却荷时间预报、研究表明，所建议的模型较传统沉降预测模型具有显著的优越性，应用前景广阔。     

BP神经网络技术在声波测井曲线重构中的运用

基于神经网络的曲线重构法是提高声波测井曲线质量的有效方法。该方法通过神经网络技术的非线性算法，在声波曲线与自然电位、电阻率、自然伽马等多条测井曲线之间建立一种非线性关系。运用BP神经网络技术综合了自然电位、电阻率、自然伽马等多条曲线的信息对声波曲线进行重构，以此增加曲线重构的信息量，为曲线重构的准确性提供了保障。通过在准噶尔盆地石南地区的运用，证明该方法能大大提高受井壁垮塌影响的声波测井曲线的质量。     

二维小波变换在虹膜特征提取中的应用研究

本文提出了一种采用canny变换来提取虹膜特征,并用小波神经网络来进行分类的虹膜检测识别的新方法。该方法结合了小波神经网络作为一种新的分类方法,它很好地改进了识别精度,同时提高了系统的性能。一个简洁并且能快速训练的算子Adaboost也将在小波神经网络中给出介绍。实验结果表明,应用该算子进行分类识别时,识别率为100%,该方法具有很高效的可行性。     

基于群体协同智能聚类的期刊分类大数据自动存储方法

求解期刊分类大数据自动存储问题时，传统方法在分解的过程中无法保证准确性与合理性，对解的合并策略选择不合理，导致寻优过程中出现一定的偏差，造成期刊分类存储效率大大降低。为此，需要提出一种新的基于群体协同智能聚类的期刊分类大数据自动存储方法。确定径向基神经网络的初始结构，通过样本分布计算径基宽度获取隐节点群，将其当成初始集合。将分类存储精度最高、F-measure最大、期刊特征相似性最高作为目标函数，将其加权和作为适应函数。在求解过程中，各子群内部通过模拟退火法将分布估计算法和遗传算法结合在一起，产生新个体，利用群体协同合作的方式实现智能聚类。通过进化获取最优个体，得到最终精英集合，将其看作最后得到的径向基神经网络结构，通过得到的径向基神经网络实现期刊分类大数据自动存储。实验结果表明，所提方法期刊分类大数据存储性能强。