基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
磨料水射流(AWJ)切割工艺已经被遍及世界的许多车间所采用,其优点广为人知.为了进行精密加工,如精密切割、铣削、钻孔和磨削等,必须精确预测AWJ的侵蚀深度.文章基于人工神经网络(ANN)对AWJ切割工艺进行建模.模型采用三层结构,输入变量有水射流压力、水喷嘴直径、磨料粒子粒度(直径)、磨料流量和切割头进给速度.输出量为AWJ的切割深度.样本数据在JJ-Ⅰ水射流切割机床上实验获取,A3钢样板作为切割试件.采用改进的BP算法和样本数据对建立的人工神经网络进行训练.训练好的网络以一定精度建立了AWJ切割工艺中各参数之间的映射关系.所建模型可以精确预测AWJ的切深.将该模型集成到AWJ切割机床的计算机数控器中,可以实现AWJ精密加工.
推荐文章
基于人工神经网络的磨料水射流切割速度模型
磨料水射流切割
断面质量
数学模型
人工神经网络
磨料水射流喷嘴的流场数值模拟
磨料水射流
喷嘴
流场
数值模拟
基于人工神经网络的磨料水射流切割加工模型
磨料射流
切割
模型
人工神经网络
磨料水射流切割质量的神经网络预测
磨料水射流
切割质量
模型
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于人工神经网络的磨料水射流切削工艺建模
来源期刊 西华大学学报(自然科学版) 学科 工学
关键词 磨料水射流 水射流切割 建模 人工神经网络 模型
年,卷(期) 2006,(1) 所属期刊栏目 机械控制技术
研究方向 页码范围 69-72
页数 4页 分类号 TG664|TP183|TH161.14
字数 语种 中文
DOI 10.3969/j.issn.1673-159X.2006.01.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 雷玉勇 西华大学机械工程与自动化学院 85 660 14.0 20.0
2 闵晓勇 6 26 3.0 5.0
3 万霞 西华大学机械工程与自动化学院 4 46 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (3)
同被引文献  (4)
二级引证文献  (26)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(4)
  • 引证文献(1)
  • 二级引证文献(3)
2011(3)
  • 引证文献(0)
  • 二级引证文献(3)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(5)
  • 引证文献(0)
  • 二级引证文献(5)
2015(5)
  • 引证文献(0)
  • 二级引证文献(5)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
磨料水射流
水射流切割
建模
人工神经网络
模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西华大学学报(自然科学版)
双月刊
1673-159X
51-1686/N
大16开
四川省成都市金牛区
1982
chi
出版文献量(篇)
3399
总下载数(次)
6
总被引数(次)
16135
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导