制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2015年
11期
82-86
,共5页
主成分分析%神经网络%发动机缸盖%凸轮轴孔%凸轮轴挺柱
主成分分析%神經網絡%髮動機缸蓋%凸輪軸孔%凸輪軸挺柱
주성분분석%신경망락%발동궤항개%철륜축공%철륜축정주
为预测四缸汽油机进气侧凸轮轴挺柱的选配情况,假设影响装配过程挺柱选配的其他因素不变,采集某发动机公司的缸盖凸轮轴孔截面直径和同轴度,利用主成分分析方法提取主要特征值,通过神经网络建立数学模型。应用该数学模型,通过缸盖凸轮轴孔截面直径和同轴度的信息,预测装配过程挺柱尺寸,与实际挺柱尺寸数据进行比较,验证了该数学模型对凸轮轴挺柱选配预测的有效性;同时与只采用BP神经网络方法进行对比,表明PCA-BPNN方法的训练次数少,学习效率稳定。
為預測四缸汽油機進氣側凸輪軸挺柱的選配情況,假設影響裝配過程挺柱選配的其他因素不變,採集某髮動機公司的缸蓋凸輪軸孔截麵直徑和同軸度,利用主成分分析方法提取主要特徵值,通過神經網絡建立數學模型。應用該數學模型,通過缸蓋凸輪軸孔截麵直徑和同軸度的信息,預測裝配過程挺柱呎吋,與實際挺柱呎吋數據進行比較,驗證瞭該數學模型對凸輪軸挺柱選配預測的有效性;同時與隻採用BP神經網絡方法進行對比,錶明PCA-BPNN方法的訓練次數少,學習效率穩定。
위예측사항기유궤진기측철륜축정주적선배정황,가설영향장배과정정주선배적기타인소불변,채집모발동궤공사적항개철륜축공절면직경화동축도,이용주성분분석방법제취주요특정치,통과신경망락건립수학모형。응용해수학모형,통과항개철륜축공절면직경화동축도적신식,예측장배과정정주척촌,여실제정주척촌수거진행비교,험증료해수학모형대철륜축정주선배예측적유효성;동시여지채용BP신경망락방법진행대비,표명PCA-BPNN방법적훈련차수소,학습효솔은정。