作者：江雁,傅攀,李晓晖 单位：中国测试技术研究院 出版：《中国测试》2016年第01期 页数：5页  （PDF与DOC格式可能不同） PDF编号：PDFSYCS2016010230 DOC编号：DOCSYCS2016010239 下载格式：PDF + Word/doc 文字可复制、可编辑
《基于主成分分析与C-支持向量机的刀具磨损状态监测》PDF+DOC2016年第03期 谢楠,马飞,段明雷,李爱平 《基于手机传感器的物体运动状态研究》PDF+DOC2018年第06期 姚欣楠,陈恭亮,王思叶,张诗永 《基于核极限学习机的火灾预警算法研究》PDF+DOC2017年第05期 丁承君,张井超,何乃晨 《手机加速度计的行人行进状态识别》PDF+DOC2020年第06期 刘清华,郭英,郎爱坤,冯茗扬,孙建立 《基于多传感器信息融合的刀具监测技术》PDF+DOC1997年第03期 黄勇,应济,傅建中,陈子辰,周国民 《基于集成神经网络的刀具磨损量监测》PDF+DOC2005年第05期 高宏力,许明恒,傅攀 《支持向量机在刀具磨损多状态监测中的应用》PDF+DOC2011年第01期 王国锋,李启铭,秦旭达,喻秀,崔银虎,彭东彪 《EMD和SVM在刀具故障诊断中的应用》PDF+DOC2010年第05期 王涛,徐涛 《多传感器主元方向和神经网络的状态识别方法》PDF+DOC2009年第02期 张金萍,李允公,刘杰 《信息融合技术在刀具磨损监测中的应用》PDF+DOC2009年第06期 盖卫勇,魏从刚

    • 针对刀具磨损监测中信号的非平稳特性和小样本建模中神经网络容易陷入局部值的问题，提出基于多传感器信号，运用集合经验模态分解(ensemble empirical mode decomposition，EEMD)和支持向量机(support vector machine，SVM)相结合的算法，实现对刀具磨损多状态的识别。首先对振动信号进行集合经验模态分解，将其分解为若干个本征模态函数(intrinsic mode function，IMF)之和，然后计算得到三向切削力信号的均值和各本征模态函数分量的能量百分比值作为磨损状态分类特征，最后运用支持向量机和Elman神经网络对刀具在不同磨损状态下的特征数据样本进行训练和识别。实验结果证明该方法能很好地实现对刀具磨损状态的识别，与Elman神经网络相比，支持向量机具有更高的识别率，更适合小样本情况下刀具磨损状态的分类识别。

    📙 相关资料

    1. 《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 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......
    2. 《基于手机传感器的物体运动状态研究》PDF+DOC 随着物联网概念的兴起以及相关技术的发展，物联网作为新一代的网络技术越来越受到人们的关注，RFID技术、传感器技术、无线通信技术等物联网相关技术也逐渐被应用于信息安全领域中。在物理空间内，对重要物品的保护主要是对实体全生命周期的保护与管控，包括...
    3. 《基于核极限学习机的火灾预警算法研究》PDF+DOC 火灾信息处理算法的有效性影响着火灾预警系统的准确性和可靠性，所以智能火灾预警算法研究成为了火灾预警技术的一个研究热点.针对以往火灾信息处理算法的不足，提出了一种基于核极限学习机(KELM)的火灾预警算法.该算法利用核极限学习机对多种传感器采集到的数据进行融合分析，实现火情识别.利用MATLAB对核极......
    4. 《手机加速度计的行人行进状态识别》PDF+DOC 针对行人在行进过程中会出现后退而导致对行人航位轨迹的错误判断问题，该文以手机内加速度传感器信号为数据依据，以识别行人正常前进中的后退状态为研究目标，研究三轴信号的均值、方差、轴间协方差等时域特征，采用经验模态分解、最大相关最小冗余、最小二乘支持向量机等方法，识别行人实时的前进或后退。研究结果表明：两......
    5. 《基于多传感器信息融合的刀具监测技术》PDF+DOC 本文介绍了基于多传感器信息融合的刀具监测技术的形成和基本原理.并分析了监测技术的具体实施过程，同时介绍了国内外基于多传感器信息融合的刀具监测技术的进展，最后展望了多传感器信息融合技术的发展方向。...
    6. 《基于集成神经网络的刀具磨损量监测》PDF+DOC 提出了一种基于集成神经网络识别铣刀磨损量的监测方法.利用小波包变换将切削力和振动信号分解为不同频带的时间序列，从每个信号中选择与刀具磨损状态最相关的3组频段的均方根作为监测特征；通过信号的组合和不同子网络输出决策间的融合，集成神经网络输出刀具磨损的识别结果.试验和仿真分析表明，此方法能够满足刀具磨损......
    7. 《支持向量机在刀具磨损多状态监测中的应用》PDF+DOC 基于多传感器信号、采用多分类支持向量机(support-vector-machine，SVM)实现了刀具监测的多状态辨识.通过对切削过程中的多向切削力和振动信号等多传感器信息进行分析，分别获得时域、频域和小波域的信息作为磨损分类特征；同时，运用基于一对多(one-versus-all，OVA)的多分......
    8. 《EMD和SVM在刀具故障诊断中的应用》PDF+DOC 与传统方法相比，声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中，提出了基于经验模态分解(EMD)和支持向量机(SVM)的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解，将分解后的有限个固有模态函数(IMF)通过一定的削减算法增强故障类型特征，把每个I......
    9. 《多传感器主元方向和神经网络的状态识别方法》PDF+DOC 提出了一种基于特征集第一主元方向及其信息保留率的状态识别方法。首先计算得到多路信号的特征集，继而计算该特征集的第一主元方向在特征集所在的高维空间中的方向角向量，并以该方向角向量和第一主元方向上的信息保留率作为状态识别的新特征集。提出了一种较为宽泛的神经网络收敛准则和判据方法，该方法中网络输出节点数为......
    10. 《信息融合技术在刀具磨损监测中的应用》PDF+DOC 随着信息融合技术的不断发展，信息融合越来越多的被用于监测领域。本文把信息融合技术应用于刀具监测过程中，建立了多传感器信息融合刀具监测系统模型，并详细论述了基于神经网络、贝叶斯理论和D-S理论的信息融合方法。...

    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。