《基于计算智能算法的铣刀状态监测》PDF+DOC
作者:郑金兴,张铭钧,孟庆鑫
单位:国防科技大学计算机学院
出版:《计算机工程与科学》2008年第02期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJK2008020440
DOC编号:DOCJSJK2008020449
下载格式:PDF + Word/doc 文字可复制、可编辑
《刀具磨损量监测的多传感器信息融合技术研究》PDF+DOC 尹勇
《基于功率传感器的刀具磨损量预测方法》PDF+DOC2017年第03期 谢楠,段明雷,高英强,郑蓓蓉
《用于监测刀具磨损的声发射(AE)特征优选方法》PDF+DOC2000年第03期 陈爱弟,王信义,王忠民,杨大勇,贾玉平
《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
《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
《基于切削力实现铣刀实时监测的实用性研究》PDF+DOC2011年第11期 夏海涛,孟广耀,李长河,胡知音
《钻头磨损检测与剩余寿命评估》PDF+DOC2011年第01期 敖银辉,汪宝生
《基于红外温度的铣刀磨损在线监测》PDF+DOC2008年第09期 范伟,王敏,谢政,邵华
《基于多传感器模糊神经网络的水下目标识别》PDF+DOC2003年第07期 刘勇志,刘丙杰
《数控刀具磨损智能检测及其切削试验研究》PDF+DOC2010年第03期 毛显源,何凤琴,林军
本文提出了基于智能融合技术进行铣刀磨损量监测和预测方法。利用多传感器对切削力和振动信号进行监测,通过频率变换提取切削力特征量,采用小波包分解技术提取振动信号特征量。通过信号特征值的组合,分别探讨了几种计算智能数据融合技术-小波神经网络、遗传神经网络、遗传小波神经网络对刀具磨损量的预测效果。实验分析表明,本文提出的几种计算智能数据融合技术均能够有效地完成刀具磨损量预测。
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。