《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+DOC
作者:储开宇,周金华,张静,王殿
单位:哈尔滨煤矿机械研究所
出版:《煤矿机械》2012年第09期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFMKJX2012091510
DOC编号:DOCMKJX2012091519
下载格式:PDF + Word/doc 文字可复制、可编辑
《智能刀具状态监测系统及其应用》PDF+DOC2000年第03期 何友义,揭平英
《基于信息融合理论的刀具切削状态智能监测》PDF+DOC2000年第02期 刘克非
《刀具状态智能监控技术》PDF+DOC1998年第01期 李小俚,田淑艳,关新平
《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
《智能刀具状态监测系统研究与进展》PDF+DOC1997年第06期 揭景耀
《基于动态树理论的刀具磨损监测技术》PDF+DOC2006年第07期 高宏力,许明恒,傅攀,杜全兴
《数控机床刀具磨损监测实验数据处理方法研究》PDF+DOC2009年第01期 曾祥超,陈捷
《基于LabVIEW&小波分析的便携式数控机床刀具磨损监测系统》PDF+DOC2009年第11期 曾祥超,马旭,陈捷
《基于双谱的刀具振动信号特征值提取》PDF+DOC2014年第07期 邵占帅,黄民
《火电机组信息融合故障诊断方法及其发展》PDF+DOC2005年第01期 陈非,黄树红,张燕平,高伟
将一种基于小波分析和神经网络的多传感器融合技术应用于刀具磨损监测系统。介绍了小波分析和神经网络的理论基础;给出了刀具磨损在线监测系统的组成和基于小波分析和神经网络的多传感器融合技术在刀具磨损在线监测系统应用过程。多种传感器采集的信号通过小波分析提取其特征值,将特征值作为神经网络的输入,对比识别刀具磨损状态。经实验验证,基于小波分析和神经网络的多传感器融合技术能有效识别刀具磨损状态。
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。