-
公开(公告)号：CN114139772A
公开(公告)日：2022-03-04
申请号：CN202111338364.7
申请日：2021-11-12
Applicant: 江苏师范大学
Abstract: 本发明涉及一种基于优化广义回归神经网络预测工件表面质量的方法，包括：搭建铣削力、铣削振动、工件表面纹理及粗糙度采集系统，获取铣削过程中的力和振动的时域信号及工件表面粗糙度值和纹理图像；从三向铣削力和三向铣削振动加速度的时域信号中提取出降维铣削力均方根和降维铣削振动加速度均方根作为特征值，利用灰色共生矩阵获得工件表面纹理特征值：能量、对比度、相关性、同质性和熵；基于试验数据和粒子群优化广义回归神经网络建立以一维特征及二维特征值为输入参数，粗糙度为输出结果的多维特征预测模型。本发明的方法可预测铣削过程中的工件表面粗糙度，拓展了科学检测铣削过程中工件表面粗糙度的方式。
-
公开(公告)号：CN112836861A
公开(公告)日：2021-05-25
申请号：CN202110038773.9
申请日：2021-01-12
Applicant: 江苏师范大学
Abstract: 一种水‑岩作用下煤样质量变化率的时变模型建立方法，包括：第一步、测量煤样的尺寸及质量，计算质量密度；第二步、利用超声波测速仪测定煤岩声速；第三步、按设定摩尔浓度配制水溶液，测定溶液中初始钙镁离子浓度，选取一组试样，浸泡于给定摩尔浓度及不同pH值的水溶液，每天测得煤样质量、溶液pH值、钙与镁离子浓度；第四步、计算质量变化率与各影响因素的灰色相对关联度，得到最显著性参数，构建煤样质量变化率关于浸泡天数、溶液的即时pH、溶液即时钙、镁离子浓度的GM(0,N)多元灰色预测模型。通过该模型，利用水溶液中现有的pH值和离子浓度，设定浸泡天数即可对煤样质量变化率及水溶液的侵蚀能力做出预测。
-
公开(公告)号：CN112757052A
公开(公告)日：2021-05-07
申请号：CN202011425978.4
申请日：2020-12-09
Applicant: 江苏师范大学
IPC: B23Q17/09
Abstract: 不同磨损刀具的车削热与多元影响因子的相关性分析方法，主要是基于灰色关联度理论及粒子群优化算法对不同磨损刀具的车削热与多元影响因子之间相关性进行分析，包括：制定车削试验方案；搭建试验系统；对不同磨损状态的刀具进行车削试验，得到相应车削参数下刀尖附近的车削温度和三向车削振动加速度数据，提取车削热特征值及车削振动特征值，即车削热功率密度均值及三向车削振动加速度自功率谱密度最大值。基于灰色相关系数，分析不同磨损状态刀具的车削参数及车削振动对刀具车削热的影响，找出对车削热影响显著的因子。基于最小二乘法建模和粒子群算法优化，从能量视角建立车削热关于车削振动及车削参数的粒子群算法预测模型。
-
公开(公告)号：CN107066775B
公开(公告)日：2020-03-31
申请号：CN201610370106.X
申请日：2016-05-30
Applicant: 江苏师范大学
IPC: G06F17/18
Abstract: 本发明给出了一种刀具温度升高均值的预测方法；将信号采集系统采集到的信号经过处理后获得各次车削试验中的三向加速度均值、温升均值，基于最小二乘法得到刀具温升均值关于车削三向振动加速度及车削参数的多元回归模型，用以预测不同车削参数下、不同车削振动下刀具的平均温度升高值。该方法综合车削振动及车削参数来预测车削温度升高，采用温升值(相对温度)分析车削热，能消除不同环境温度的差异对车削热的影响；还能为理论及数值模拟计算车削热力耦合特性提供一个必要的本构方程，同时一定程度上可以缓解实时测量车削温度的困难。
-
公开(公告)号：CN110091216A
公开(公告)日：2019-08-06
申请号：CN201910392532.7
申请日：2019-05-13
Applicant: 江苏师范大学
Abstract: 本发明涉及一种铣削噪声与铣削振动的监测及其相关性分析系统，包括数控机床及工件系统、声学与振动测量系统以及声学与振动相关性分析系统，所述数控机床及工件系统主要由数控铣床、铣削刀具和被加工工件组成；所述声学与振动测量系统主要由声音校准器、声级计、加速度传感器、电荷放大器和高速数据采集仪组成；所述声学与振动相关性分析系统主要由计算机组成。本发明能够同时测量工件在铣削加工过程中产生的噪声和振动，实时监测加工时噪声与振动状态，并分析噪声信号和振动信号的相关性，建立噪声声压级的预测模型，为铣削加工的降噪减振提供理论指导。
-
Patent Agency Ranking
公开(公告)号：CN108444842A
公开(公告)日：2018-08-24
申请号：CN201810193426.1
申请日：2018-03-09
Applicant: 江苏师范大学
Abstract: 本发明涉及一种金属材料拉伸-扭转组合变形强度条件的建立方法，该方法先对试件进行声发射断铅试验得到各试件的声速值，再按照设定的拉转加载方案对标记声速值的试件进行拉扭加载试验并采集力学信号，利用信号得到拉扭破坏应力，然后建立拉扭破坏应力关于声速值、拉伸与扭转加载速率的关系模型，根据关系模型及测定的声速值预测材料的拉扭破坏应力，建立试件的拉扭强度条件。本发明建立了金属拉扭破坏应力关于材料声速值、拉伸位移加载速率、扭转加载速率的多元回归模型，基于对金属材料预先测定的声速值及拉扭加载速率，由该模型预测不同试件、不同加载速率下的破坏应力，建立相应材料的拉扭强度条件。
-
公开(公告)号：CN114578025B
公开(公告)日：2023-10-17
申请号：CN202210206231.2
申请日：2022-03-01
Applicant: 江苏师范大学
Abstract: 煤矸石声速的水岩耦合模型的建立方法，包括：测量煤矸石初始物理参数，计算煤矸石在质量、密度、声速的均值及变异系数筛选煤矸石试样。配制给定离子浓度及酸碱度的水溶液，对试样进行水溶液浸泡试验浸泡若干天。每天测量并记录煤矸石的声速、质量、密度、溶液中钙、镁离子浓度及溶液pH值。基于灰色关联度理论分析煤矸石声速与影响因素的相关性，综合灰色关联度计算结果及溶液‑煤矸石的相互作用，通过响应面法选取多组参数来建立煤矸石声速的多个预测模型。通过比较采用相关性系数均值较高的回归模型，结合3个显著参数可以较好地预测煤矸石的声速，弥补了现有方法对煤矸石声速多元影响因素分析的不足。
-
公开(公告)号：CN114840932B
公开(公告)日：2023-09-15
申请号：CN202210193540.0
申请日：2022-03-01
Applicant: 江苏师范大学
IPC: G06F30/17 , G06F30/20 , G06F17/18 , G06F119/14
Abstract: 本发明提出了一种基于多因数耦合提高TC4钛合金铣削表面粗糙度预测精度的方法，通过正态性检验及相关分析建立表面粗糙度预测模型，包括：制定铣削试验方案、搭建铣削试验系统、对TC4钛合金在不同铣削参数下进行铣削试验、采集铣削力数据、采集表面粗糙度数据，从数据中提取铣削力特征值，表面粗糙度值。通过正态性检验研究数据是否符合正态分布，计算Pearson相关系数或Spearman相关系数，分析铣削力与工件表面粗糙度的相关性显著程度，筛选与工件表面粗糙度相关性高的因数。基于响应面分析法，从多因数耦合的角度建立工件表面粗糙度多参数耦合模型，以提高预测模型精度。本发明方法可提高TC4钛合金表面粗糙预测模型的精度，拓展了提高表面粗糙度预测精度的方法。
-
公开(公告)号：CN114578025A
公开(公告)日：2022-06-03
申请号：CN202210206231.2
申请日：2022-03-01
Applicant: 江苏师范大学
Abstract: 煤矸石声速的水岩耦合模型的建立方法，包括：测量煤矸石初始物理参数，计算煤矸石在质量、密度、声速的均值及变异系数筛选煤矸石试样。配制给定离子浓度及酸碱度的水溶液，对试样进行水溶液浸泡试验浸泡若干天。每天测量并记录煤矸石的声速、质量、密度、溶液中钙、镁离子浓度及溶液pH值。基于灰色关联度理论分析煤矸石声速与影响因素的相关性，综合灰色关联度计算结果及溶液‑煤矸石的相互作用，通过响应面法选取多组参数来建立煤矸石声速的多个预测模型。通过比较采用相关性系数均值较高的回归模型，结合3个显著参数可以较好地预测煤矸石的声速，弥补了现有方法对煤矸石声速多元影响因素分析的不足。
-
公开(公告)号：CN113688534A
公开(公告)日：2021-11-23
申请号：CN202111025388.7
申请日：2021-09-02
Applicant: 江苏师范大学
IPC: G06F30/20 , G06N3/00 , G06K9/62 , G06Q50/04 , G06F111/06
Abstract: 本发明涉及一种基于多特征融合模型寻找最优铣削参数的研究方法，该方法制定不同铣削参数的铣削试验，搭建铣削温度和铣削力同步测试系统；铣削温度和铣削力同步测试系统测量铣削刀具尖端附近的铣削温度和三向铣削力的时域信号，并从铣削温度和三向铣削力的时域信号中提取铣削温度均值和铣削力均方根值；通过粒子群优化算法求解优化多特征融合模型，获得最优的铣削参数，即基于试验数据，建立以铣削温度均值、铣削力均方根及金属去除率为目标特征变量，铣削参数为优化参数的多特征融合模型，然后基于粒子群优化算法求解多特征融合模型中的特定铣削参数，从而获得所用试验参数范围内的最优铣削参数解。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.027 seconds)
