|
|
航空发动机叶片数控加工工时估算方法研究* |
熊伟,孙根正,陈冰,李山 |
西北工业大学现代设计与集成制造技术教育部重点实验室 |
|
|
摘要 为了快速合理地估算航空发动机叶片数控加工工时,在分析影响零件工时的主要因素(特征参数)的基础上,提出了基于SLFM神经网络模型的计算工时定额的思路。以影响零件工时的特征参数作为网络输入、以匹配的相似零件集作为训练样本,采用C++语言构建了定额计算网络模型。与BP网络对比试验表明,这种方法具有计算速度快,估算准确的优点。
|
|
关键词 :
工时估算,
神经网络,
特征参数,
航空发动机叶片
|
|
基金资助:*国家863高科技研究发展计划项目(2009AA04Z122)资助。 |
[1] 朱历新,周竞涛,高俊杰,等. 基于神经网络的工时定额技术研究. 机械科学与技术,2004,24(6):702-705.
[2] 牛永亮,杭文,何杰,等.基于无师GFMM神经网络的公路工程工时定额测算方法研究.公路交通科技,2007,24(2):155-158.
[3] 余本国.BP神经网络局限性及其改进的研究.山西农业大学学报(自然科学版),2009, 29(1):89-93.
[4] 朱名铨,蔡永霞.有监督线性特征映射 (SLFM)网络及刀具磨损量实时估计.西北工业大学学报,1997,15(l):l-6.
[5] 王波,刘列励. 数控加工零件工时估算的神经网络方法研究.信息技术,2007,(9):97-102.
[6] 赵爱侠,张振明,田锡天,等.基于典型工艺的航空发动机轴类零件工艺设计方法研究.中国制造业信息化,2007,36(5):42-46.
[7] 杨青海,祁国宁,黄哲人,等.基于案例推理和事物特性表的零件工时估算方法.机械工程学报, 2007,43(5):99-105.
|
[1] |
卓义民,陈远航,杨春利. 航空发动机叶片焊接修复技术的研究现状及展望[J]. 航空制造技术, 2021, 64(8): 22-28. |
[2] |
陆凯,李迎光,刘旭,邓天池. 数据驱动的飞机结构件加工特征识别方法[J]. 航空制造技术, 2021, 64(8): 32-40/57. |
[3] |
李景俊,芮执元,剡昌锋,王文斌,魏财斌. 基于双判定准则的航空发动机叶片缺陷孔洞的边界提取[J]. 航空制造技术, 2021, 64(6): 55-62. |
[4] |
刘霞,金忠庆 . 基于改进卷积神经网络的飞机桁架焊缝缺陷识别与测试[J]. 航空制造技术, 2021, 64(23/24): 34-38. |
[5] |
李超,王仲奇,常正平,马健智. 基于 BP 神经网络和多目标粒子群算法的自动钻铆工艺参数优化方法[J]. 航空制造技术, 2021, 64(23/24): 94-102. |
[6] |
朱其新,王嘉祺,谢广明. 伺服系统复合自适应控制研究综述[J]. 航空制造技术, 2021, 64(22): 14-27. |
[7] |
乔石,刘阔,都书博,王鹏飞,王永青. 基于功率信息的航空发动机叶片铣削刀具监测试验研究[J]. 航空制造技术, 2021, 64(16): 87-92/110. |
[8] |
肖贵坚,张友栋,黄云,吕冲,贺毅. 基于灰色关联法的航发叶片机器人砂带磨削精度控制技术[J]. 航空制造技术, 2020, 63(9): 63-70. |
[9] |
肖晓,张聘,魏亚飞,汪建,连成哲,叶文华 . 基于SIEMENS数控系统的机床综合误差实时补偿方法研究[J]. 航空制造技术, 2020, 63(5): 35-40. |
[10] |
花芳芳,田威,胡俊山,李波,蒲玉潇. 基于深度神经网络的机器人定位误差补偿方法[J]. 航空制造技术, 2020, 63(17): 78-85. |
[11] |
王建臣,林思琦,沈雨欣,谢长雄,邓小雷. 数控机床主轴热误差测点优化及建模技术研究[J]. 航空制造技术, 2019, 62(6): 41-46. |
[12] |
李志山,史耀耀. 基于神经网络的高效强力复合铣床立柱优化设计[J]. 航空制造技术, 2019, 62(17): 58-65. |
[13] |
田国良,卜昆,邱飞,张现东,张雅丽,任帅军. 基于BP神经网络的熔模铸件收缩率预测研究[J]. 航空制造技术, 2018, 61(9): 47-51. |
[14] |
李娜,尹喜刚,刘静,王周涛,姚贵. 锻造仿真与热模拟技术在航空发动机叶片精密锻造中的应用[J]. 航空制造技术, 2018, 61(15): 59-62. |
[15] |
华家玘,李迎光,刘长青. 基于切削力信号-几何信息-工艺信息的铣削加工刀具状态实时辨识*[J]. 航空制造技术, 2018, 61(11): 48-54. |
|
|
|
|