《特征工程和深度前馈网络结合的刀具磨损预测》PDF+DOC
作者:张超标,孙延明
单位:辽宁省机械研究院
出版:《机械设计与制造》2020年第06期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFJSYZ2020060470
DOC编号:DOCJSYZ2020060479
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
《基于可穿戴传感器的人体活动识别研究综述》PDF+DOC2018年第05期 郑增威,杜俊杰,霍梅梅,吴剑钟
《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
《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
《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
《基于深度置信网络的深孔加工刀具状态监测》PDF+DOC2020年第10期 沈明瑞,厉大维,张贺清,任慧民,秦波,刘阔,王永青
《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
《基于LabVIEW的刀具磨损监测分形识别平台》PDF+DOC2010年第10期 王永红,朱丽琴
《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
针对传统刀具磨损预测中存在的自适应性不强和预测精确度低的问题,提出了特征工程和Dropout深度前馈网络相结合的刀具磨损预测方法。首先从刀具状态监测框架下的多传感器信号中提取全面的特征,与刀具的元信息进行信息融合,然后通过假设检验和Benjamini-Yakutieli过程选择与目标磨损相关性强的特征,最后构建Dropout深度前馈网络学习选择的特征与目标磨损之间的映射关系。实验结果表明,提出的这种预测方法的训练过程稳定性高,而且能更精确地预测刀具的磨损。
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。