基于神经网络的前混合磨料水射流切割数据库建立研究

基于神经网络的前混合磨料水射流切割数据库建立研究

ID:33148947

大小:3.18 MB

页数:107页

时间:2019-02-21

基于神经网络的前混合磨料水射流切割数据库建立研究_第1页
基于神经网络的前混合磨料水射流切割数据库建立研究_第2页
基于神经网络的前混合磨料水射流切割数据库建立研究_第3页
基于神经网络的前混合磨料水射流切割数据库建立研究_第4页
基于神经网络的前混合磨料水射流切割数据库建立研究_第5页
资源描述:

《基于神经网络的前混合磨料水射流切割数据库建立研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文基于神经网络的前混合磨料水射流切割数据库建立研究StudyonCuttingDatabaseofASJBasedonNeuralNetwork作者:宋圆圆导师:郭楚文教授中国矿业大学二○一四年四月万方数据中图分类号学校代码10290UDC密级公开中国矿业大学硕士学位论文基于神经网络的前混合磨料水射流切割数据库建立研究StudyonCuttingDatabaseofASJBasedonNeuralNetwork作者宋圆圆导师郭楚文教授申请学位工学硕士培养单位电力工程学院学科专业流体力学研究方向水射流答辩委员会主席李意民评阅人____________二○一四年

2、四月万方数据学位论文使用授权声明本人完全了解中国矿业大学有关保留、使用学位论文的规定,同意本人所撰写的学位论文的使用授权按照学校的管理规定处理:作为申请学位的条件之一,学位论文著作权拥有者须授权所在学校拥有学位论文的部分使用权,即:①学校档案馆和图书馆有权保留学位论文的纸质版和电子版,可以使用影印、缩印或扫描等复制手段保存和汇编学位论文;②为教学和科研目的,学校档案馆和图书馆可以将公开的学位论文作为资料在档案馆、图书馆等场所或在校园网上供校内师生阅读、浏览。另外,根据有关法规,同意中国国家图书馆保存研究生学位论文。(保密的学位论文在解密后适用本授权书)。作者签名:导师

3、签名:年月日年月日万方数据学位论文原创性声明本人郑重声明:所呈交的学位论文《基于神经网络的前混合磨料水射流切割数据库建立研究》,是本人在导师指导下,在中国矿业大学攻读学位期间进行的研究工作所取得的成果。据我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:年月日81万方数据论文审阅认定书研究生宋圆圆在规定的学习年限内,按照研究生培养方案的要求,完成了研究生课程的学习,成绩合格;在我的指导下完成本学位论文,经审

4、阅,论文中的观点、数据、表述和结构为我所认同,论文撰写格式符合学校的相关规定,同意将本论文作为学位申请论文送专家评审。导师签字:年月日万方数据万方数据致谢本论文是在导师郭楚文教授的指导下完成的,从论文选题、实验、MATLAB学习、一直到论文定稿,导师倾注了大量的心血。郭老师以严谨的态度、创新的精神给予我学术上的指引,以渊博的学识、踏实的作风给予我做人的引导,以殷切的关怀、热情的鼓励给予我生活上的照顾。在郭老师的悉心指导下,本人分析问题、解决问题的能力得到了很大的锻炼和提高。在此,学生谨向导师表示崇高的敬意和衷心的感谢!感谢国际知名水射流专家江山博士在课题研究过程中给予

5、的指导和大力帮助。江山教授不辞辛劳地为我讲述前混合磨料射流方面有关的最前沿的理论知识和实验的主要研究方向,使得实验能够顺利进行,学生不胜感激!感谢徐州浩通水射流科技有限公司为我提供切割实验台,感谢该公司的张工、田工在设备相关方向给予我的提示和帮助!感谢计算机学院的姜小荣同学、师兄赵韡博士和周大鹏博士以及同窗朱力在理论实验和MATLAB程序设计仿真上给予的帮助,让我能够顺利的完成论文。也感谢我的家人对我的支持。借此机会,向在百忙之中对本文进行审阅的专家、学者致以最真诚地感谢。期待您的批评指导。谨以此文作为对他们深深的答谢。万方数据万方数据摘要由于加速机理的不同,前混合磨

6、料水射流(ASJ)中磨料颗粒的速度远大于后混合磨料水射流(AWJ)中磨料颗粒的速度,其切割能力可达AWJ的5-10倍。ASJ特别适用于各种金属材料和非金属材料的高精度高速度加工,并已成功应用于半导体芯片制造行业。本文对ASJ技术的材料去除机理、切面余纹的成形机理进行了详细的理论研究,并根据实验结果将切面质量差距明显的上下两段分开进行研究,通过正交分析计算切割参数对切割质量的影响力排序,得出两者之间存在高度的非线性,采用传统的数学模型很难创建其切割模型。因此,结合当前国内外磨料射流切割模型的研究成果,提出基于人工神经网络创建前混合磨料射流切割模型的课题。本文在MATLA

7、B环境下,实现对1060铝合金的粗糙度预测、切割速度预测的模型建立,并通过了内插、外推仿真验证,证实该模型具有高度的拟合能力和泛化能力;为避免建模受到单一材料的局限,另外选择建立关于材料304不锈钢的粗糙度预测及速度预测的神经网络模型,其模型亦能满足建模误差的要求。本文共有图66幅,表21个,参考文献72篇。关键词:前混合磨料水射流;切割表面粗糙度;人工神经网络;MATLABI万方数据AbstractDuetothedifferentmechanismsofaccelerationofabrasiveparticles,thespeedofabras

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。