《基于主成分分析与C-支持向量机的刀具磨损状态监测》PDF+DOC
作者:谢楠,马飞,段明雷,李爱平
单位:同济大学
出版:《同济大学学报(自然科学版)》2016年第03期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFTJDZ2016030150
DOC编号:DOCTJDZ2016030159
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于神经网络的传感器信息融合和综合在刀具状态监测中的应用》PDF+DOC1993年第12期 张晓明,孙宝元
《基于小波神经网络的刀具故障监测系统》PDF+DOC2004年第08期 喻俊馨
,黄惟公
,王计生
《基于EEMD-SVM的刀具磨损状态研究》PDF+DOC2016年第01期 江雁,傅攀,李晓晖
《刀具磨损监测的一种数据处理方法》PDF+DOC2017年第17期 库祥臣,曹贝贝,郭跃飞,段明德
《基于功率和质量信息的批量加工换刀决策方法》PDF+DOC2017年第10期 阳涛,刘飞,刘培基,刘霜
《刀具磨损估计的多传感器融合神经网络方法研究》PDF+DOC1997年第01期 朱名铨,蔡永霞
《基于小波分析和神经网络的多传感器融合技术在机床刀具磨损监测中的应用》PDF+DOC2012年第09期 储开宇,周金华,张静,王殿
《精密切削刀具磨损监控系统设计》PDF+DOC2011年第12期 马廉洁
《基于模糊聚类的数控车削加工刀具磨损检测研究》PDF+DOC2010年第07期 陈洪涛,黄遂,李登万,傅攀
《基于BP神经网络技术的刀具状态监控系统》PDF+DOC2010年第01期 邵建中
为了监测刀具磨损状态,建立了一个基于功率传感器的刀具磨损状态监测系统.提出了一种基于主成分分析(PCA)与C-支持向量机(C-SVM)相结合的刀具磨损状态监测模型.通过功率传感器采集切削过程中的电流和功率信号,采用PCA对采集的参数进行特征提取,选择对刀具磨损状态影响最大的主成分作为C-SVM的输入样本,实现对刀具磨损状态的准确识别.通过数控车床切削实验表明,即使在较少的样本条件下,该方法仍然有效,并与反向传播(BP)神经网络进行了性能比较。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。