文献

J-GLOBAL ID：201602255384704761   整理番号：16A1124349

RBFニューラルネットワークに基づく強力旋圧連の機械的性質予測に関する研究【JST・京大機械翻訳】

Study on mechanical property prediction of power spinning connecting rod bushing based on RBF neural network

著者 (4件)： She Yong (School of Mechanical and Power Engineering, North University of China) ,  Fan Wenxin (School of Mechanical and Power Engineering, North University of China) ,  Chen Dongbao (School of Mechanical and Power Engineering, North University of China) ,  Cao Cuncun (School of Mechanical and Power Engineering, North University of China)
資料名： Duanya Jishu  (Duanya Jishu)
巻： 41  号： 6  ページ： 128-132,145  発行年： 2016年 
JST資料番号： C2549A  ISSN： 1000-3940  CODEN： DUJID9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： この問題を解決するために,技術的パラメータと機械的性質の間の複雑な関係を表現するために,式を使用することが難しい。スピニングプロセスパラメータ(率,熱処理温度,フィード)と機械的性質(ブルセラ硬度,伸び,降伏強さ,引張強さ)の間の動径基底関数(RBF)ニューラルネットワークモデルを確立した。実験で得られたデータを用いてRBFニューラルネットワークを訓練し、訓練したRBFニューラルネットワークを用いて成形部品の力学性能に対して予測を行い、実測値との比較分析を通じて、BPニューラルネットワークによるモデルの予測結果と比較した。RBFニューラルネットワークモデルには,BPニューラルネットワークより良い予測性能があることがわかった。RBFニューラルネットワークモデルは予測能力が高く、モデリング時間が短く、有効にリンクの設計効率を向上させ、実際の実験のコストを下げることができる。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 降伏強さ ,  引張強さ ,  硬度 ,  モデリング ,  動径基底関数 ,  *機械的性質 ,  伸び
準シソーラス用語： 予測能力 ,  予測性能 ,  逆伝播ニューラルネットワーク ,  比較分析 ,  機械的性能 ,  神経回路網モデル ,  熱処理温度 ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： power spinning ,  spinning process parameter ,  mechanical properties ,  RBF neural network

分類 (9件)： 製造工程とその装置  (YH03000O) ,  ネットワーク法  (KA03040X) ,  人工知能  (JE08000Z) ,  流体の実験・試験・測定方法及び装置  (BC01020K) ,  モルタル,コンクリート  (RA06042H) ,  図形・画像処理一般  (JE04010I) ,  下水,廃水の生物学的処理  (SC03060H) ,  フライス加工  (QC02030R) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (4件)： RBFニューラルネットワーク ,  機械的性質 ,  予測 ,  研究