首页>
根据【关键词:遗传算法,超高强度钢,神经网络,切削仿真,正交】搜索到相关结果 62 条
-
军用飞机斤斗类飞行轨迹最优化方法
-
作者:
潘军
陈柏松
华欣
来源:
科学技术与工程
年份:
2020
文献类型 :
期刊
关键词:
边界性能
遗传算法
轨迹最优化
神经网络
斤斗类机动
-
描述:
的非线性关系。利用遗传算法的全局寻优功能,结合神经网络得到的权重和偏置结果,探索机动过程中边界飞行性能最大的法向过载选取方法。仿真结果表明,与相关手册中给出的常规操纵方法相比,利用遗传算法优化后得到的过载
-
航空装备保障维修预测关键技术研究与实现
-
作者:
周轩毅
来源:
吉林大学
年份:
2020
文献类型 :
学位论文
关键词:
遗传算法
数字孪生
维修预测
神经网络
有寿件
-
描述:
航空装备保障维修预测关键技术研究与实现
-
航空超高强度合金钢300M的加工工艺
-
作者:
刘壮壮
来源:
金属加工(冷加工)
年份:
2020
文献类型 :
期刊
关键词:
切削速度
超高强度钢
加工质量
-
描述:
超高强度钢300M以其优异的材料性能被越来越广泛的使用,但是这种材料有很高的加工难度。通过对此材料粗、精加工的加工工艺进行研究,掌握科学、合理的加工参数和方法,使得此材料的产品可以稳定产出。同时,其加工工艺可被其他相似材料借鉴使用,具有推广意义。
-
飞机起落架用难加工材料钻削性能试验研究
-
作者:
申琪
张昌明
王永鑫
来源:
机械设计与制造
年份:
2020
文献类型 :
期刊
关键词:
A
钻削试验
100钢
超高强度钢
TC18钛合金
轴向力
300M钢
-
描述:
通过对300M、A-100两种超高强度钢以及TC18钛合金进行钻削试验,并在试验过程中测量了不同参数下的钻削力,对钻削力进行了分析研究。对相同铣削参数、不同材料下的钻削力进行了分析,又对相同的材料、不同的钻削参数进行了分析。试验结果表明,在试验参数范围内,不改变其余参数的情况下,减小轴向力可通过增大主轴转速、减小进给量或增大步进量来达到目的。钻削三种材料,钻削300M钢时的轴向力最小,钻削A-100钢时的轴向力最大。钻削A-100钢时的轴向力比钻削TC18钛合金时的轴向力约大80%,钻削300M钢时的轴向力比钻削TC18钛合金时的轴向力约小10%。
-
飞机起落架用难加工材料钻削性能试验研究
-
作者:
申琪
张昌明
王永鑫
来源:
机械设计与制造
年份:
2020
文献类型 :
期刊
关键词:
A
钻削试验
100钢
超高强度钢
TC18钛合金
轴向力
300M钢
-
描述:
通过对300M、A-100两种超高强度钢以及TC18钛合金进行钻削试验,并在试验过程中测量了不同参数下的钻削力,对钻削力进行了分析研究。对相同铣削参数、不同材料下的钻削力进行了分析,又对相同的材料、不同的钻削参数进行了分析。试验结果表明,在试验参数范围内,不改变其余参数的情况下,减小轴向力可通过增大主轴转速、减小进给量或增大步进量来达到目的。钻削三种材料,钻削300M钢时的轴向力最小,钻削A-100钢时的轴向力最大。钻削A-100钢时的轴向力比钻削TC18钛合金时的轴向力约大80%,钻削300M钢时的轴向力比钻削TC18钛合金时的轴向力约小10%。
-
民航飞机维护保障管理模式研究
-
作者:
李杨
来源:
设备管理与维修
年份:
2020
文献类型 :
期刊
关键词:
A
钻削试验
100钢
超高强度钢
TC18钛合金
轴向力
300M钢
-
描述:
航班延误多由未及时修复故障或未按时完成飞机的日常维护导致,增大了民航公司的服务压力。从提升民航飞机维护保障工作效率的视角出发,研究民航飞机维护保障管理模式。
-
飞行器健康度神经网络预测方法
-
作者:
张英
韦闽峰
高晓颖
王世会
曹健
张兴
来源:
航天控制
年份:
2020
文献类型 :
期刊
关键词:
飞行器
AI
神经网络
健康预测
-
描述:
飞行器健康度神经网络预测方法
-
飞机起落架防滑刹车系统故障诊断研究
-
作者:
朱素华
邢清雄
来源:
科技创新导报
年份:
2020
文献类型 :
期刊
关键词:
故障诊断
起落架防滑刹车系统
神经网络
故障注入
-
描述:
飞机起落架防滑刹车系统故障诊断研究
-
基于RBF神经网络的X型四旋翼飞行器优化控制
-
作者:
张莹
刘子龙
来源:
软件导刊
年份:
2020
文献类型 :
期刊
关键词:
自整定
X型四旋翼飞行器
神经网络
PID控制
-
描述:
基于RBF神经网络的X型四旋翼飞行器优化控制
-
基于CS-BPNN算法的飞机客舱PMV指标预测
-
作者:
侯启真
李泽
姬雨初
王阳
来源:
计算机仿真
年份:
2020
文献类型 :
期刊
关键词:
预测误差
神经网络
布谷鸟搜索算法
预测平均投票数
-
描述:
针对飞机客舱热舒适度评价指标预测平均投票数(PMV)的各影响因素之间存在复杂的非线性和迭代求解关系问题,采用经布谷鸟搜索(CS)算法优化的BPNN来预测客舱PMV指标。通过对PMV模型参数分析,选出PMV主要影响因素作为预测模型的输入,利用CS算法的全局优化能力来解决BPNN易陷入局部最优及其收敛速度慢的问题,并对其初始阈值和权值进行优化。仿真结果表明,与GA-BPNN和PSO-BPNN相比,CS-BPNN预测模型具有较小的预测误差和良好的预测精度。所提方法在客舱PMV指标的预测中有较好的应用前景。