摘要：运用设计的三层BP神经网络对采集到的10个声发射参数进行特征提取。通过对比不同隐含层神经元个数的BP神经网络的训练误差与训练次数,确定当隐含层神经元个数为13个时,BP神经网络的逼近效果较好,产生的网络误差最小。再利用计算各声发射参数对表征裂纹信号灵敏度的大小,逐步删除各个声发射参数,降低模式识别时输入信号的维数。最后确定相对到达时间、幅度、能率、上升计数、持续时间和平均信号电平六个声发射参数能够有效地识别金属拉深件裂纹。该研究对于金属拉深件裂纹的在线监测具有理论和实际意义。

摘要：以大型薄壳塑件显示器后壳为研究对象,在壳体刚度变形理论分析的基础上,结合试验模态所得到的显示器后壳前二十阶振型图,分析了显示器后壳的振动及翘曲变形并提出相应的结构修改方案。解决了以往由于有限元模拟时存在的很多理论假设和边界条件而难以对壳体塑件的刚度及强度进行准确分析的问题。为对其结构设计作正确修改,减少结构的不合理性,提高塑件刚度等作重要指导。

摘要：针对电加工工艺参数与性能指标的函数映射关系大多具有非线性的特征,提出了将BP神经网络引入电加工领域中。考虑到BP算法的不足,提出用遗传算法来优化BP神经网络的连接权值,设计了基于进化神经网络的学习算法,建立了陶瓷材料电加工表面粗糙度随工艺参数变化的预测模型。试验结果表明,该算法可以避免BP神经网络易陷入局部极小值等问题,预测精度高,相对误差在4%之内,进而验证了该模型的可靠性。

摘要：以某型21T级液压挖掘机上平台为研究对象,建立有限元模型,在典型工况进行有限元分析,校核其强度和刚度。依据分析结果对上平台轻量化设计和局部结构优化,在确保上平台结构强度和刚度前提下,减薄低应力区域板材厚度,优化调整高应力区局部结构。对轻量化设计后强度和刚度校核表明:轻量化设计后上平台质量减轻12%,结构完全满足强度和刚度要求。

摘要：金属圆锯片属于面积较大的薄板类零件,其在锯切加工过程中普遍存在着严重的振动问题。为提高圆锯片的锯切性能,降低其工作时的振动,在对圆锯片振动分析及其试验模态理论研究和试验分析的基础上,对比两种不同基体结构圆锯片的固有特性,分析其固有频率及振型的变化,推断基体上开减振孔对锯片整体性能,尤其是对圆锯片振动特性的的影响。试验证明,开减振孔锯片可有效降低圆锯片的振动,为圆锯片降低振动的结构设计及基体冲孔的优化设计提供理论指导。

摘要：以显示器后壳为研究对象,利用试验模态分析理论,研究了后壳的刚度;采用锥击法对其进行模态测试,获得了结构的模态频率、阻尼、振型等模态参数,为改进后壳的结构设计提供了试验依据和改进思路。

摘要：裂纹的识别是故障诊断领域研究的一个热点问题。基于构件的固有频率变化,从反问题的角度出发,把裂纹的识别问题转化为一个优化问题,将裂纹的相对位置及深度参数转化为二进制编码,提出基于遗传算法的平板构件裂纹的识别方法。为了减少遗传算法的计算量,对遗传算法作了一定的改进。计算结果表明算法计算精度高,计算量小,可广泛的应用于拉深件裂纹识别及结构损伤检测等场合。

摘要：应用Moldflow软件对手机活动后盖进行模拟分析,确定最佳浇口位置区域,并通过单浇口和双浇口的对比分析,综合比较各种缺陷对注射成型的影响,选择采用了理想的单浇口形式。

摘要：在分析翘曲变形理论的基础上,利用Taguchi实验方法设计了L9实验矩阵对塑件注射成型过程进行模拟研究,并采用标准变量分析方法,分析了模具温度、熔体温度、注射速率、保压压力等工艺因素对塑件翘曲变形的影响。研究表明:所选择的工艺因数对塑件不同方向上的翘曲变形有着不同程度的影响,优化的工艺组合可以使塑件翘曲变形达到最小,从而提高塑件质量。

摘要：以提高金属与塑料之间的结合强度为目标,对金属基体进行高能喷丸处理,使其表面自纳米化,并以高能喷丸和喷涂的工艺参数为试验变量,设计了正交试验方案,同时设计了压制成型模具并压制成型,最后采用垂直拉伸法对金属塑料复合材料的结合强度进行了测试,并研究了铸钢丸直径、喷丸压力、喷丸时间以及塑化温度对复合材料结合强度的影响规律,确定了使结合强度达到最佳的工艺参数组合。再运用数值拟合的方法,预测出结合强度最高的工艺参数组合,并对优化结果进行实验验证分析。结果表明,铸钢丸直径为4.96～5.04mm,喷丸压力为0.49～0.51MPa,喷丸时间为10.9～11.08min,塑化温度为278.2～282℃时制得的复合材料的结合强度最佳。