您的位置: 专家智库 > >

国家重点基础研究发展计划(2013CB035800)

作品数:3 被引量:25H指数:3
相关作者:王晓强付洋周华民张云李斌更多>>
相关机构:华中科技大学无锡商业职业技术学院更多>>
发文基金:国家重点基础研究发展计划国家自然科学基金更多>>
相关领域:机械工程金属学及工艺自动化与计算机技术更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 2篇机械工程
  • 1篇金属学及工艺
  • 1篇自动化与计算...

主题

  • 1篇刀具
  • 1篇刀具磨损
  • 1篇隐马尔科夫模...
  • 1篇在线监测
  • 1篇振动
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络算法
  • 1篇声发射
  • 1篇匹配追踪算法
  • 1篇驱动电流
  • 1篇人工蜂群
  • 1篇主成分
  • 1篇主成分分析
  • 1篇主成分分析法
  • 1篇网络
  • 1篇网络算法
  • 1篇铣削
  • 1篇铣削力
  • 1篇马尔科夫

机构

  • 2篇华中科技大学
  • 1篇无锡商业职业...

作者

  • 1篇刘晓龙
  • 1篇张云
  • 1篇毛新勇
  • 1篇周华民
  • 1篇刘红奇
  • 1篇付洋
  • 1篇李斌
  • 1篇王晓强

传媒

  • 1篇机械强度
  • 1篇华中科技大学...
  • 1篇组合机床与自...

年份

  • 1篇2017
  • 1篇2016
  • 1篇2013
3 条 记 录,以下是 1-3
排序方式:
基于隐马尔科夫模型的刀具磨损连续监测被引量:13
2016年
与离散的刀具磨损状态的分类识别相比,人们更希望得到连续的刀具磨损值,从而为最终的控制过程提供更准确的信息。为了监测连续的刀具磨损值,采用易于采集的振动和声发射信号作为监测信号,提取信号的时域特征、频域特征和时频域特征,从中筛选出对刀具磨损敏感的特征,并采用隐马尔科夫模型建模,最后通过概率计算得到连续的磨损值。通过比较采用切削力、加速度和声发射信号的监测模型和仅采用加速度和声发射两种信号的监测模型,发现在没有切削力信号的情况下,仍能够准确地预测刀具磨损值。
王晓强张云周华民付洋
关键词:振动声发射隐马尔科夫模型
基于人工蜂群-BP神经网络的刀具磨损监测被引量:4
2017年
为了提高刀具磨损状态监测准确度,提出基于人工蜂群-BP神经网络算法的刀具磨损状态监测方法。使用力传感器和振动传感器设计了磨损状态监测平台;使用匹配追踪算法对信号进行了去噪;提取了信号时域、频域、时频域的特征参数,使用核主成分分析法对特征参数进行了降维,确定了反应刀具磨损状态的15个特征参数;提出了人工蜂群-BP神经网络算法的刀具磨损状态识别方法,使用人工蜂群算法优化BP神经网络算法参数;经实验验证,传统BP神经网络识别准确率为78.75%,优化BP神经网络算法识别准确率为100%。
王吴光
关键词:匹配追踪算法
基于驱动电流的动态铣削力估计方法被引量:8
2013年
在基于电流信号的铣削力估计中,提出将铣削力的估计分为常值部分与时变部分分开估计的策略.为了实现铣削力动态波形的精确估计,对实测电流信号和铣削力信号进行了深入的分析,提出采用分频估计的方式进行铣削力波形的估计.当使用电流进行铣削力估计时,先将电流信号按频率特征分解为不同电流分量,然后分别估计每种电流分量对应的铣削力分量大小,最后合成铣削力的估计值.不同转速、切深、切宽下的实验表明这种铣削力的估计方法可以很好地对动态的铣削力进行估计.
李斌刘晓龙刘红奇毛新勇
关键词:铣削力驱动电流估计方法在线监测
共1页<1>
聚类工具0