《用于监测刀具磨损的声发射(AE)特征优选方法》PDF+DOC

📙 相关资料

1. 《刀具磨损量监测的多传感器信息融合技术研究》PDF+DOC 在数控加工中，采用各种数控刀具进行切削会不可避免的产生磨损，并且这些刀具磨损会造成零件加工质量下降甚至于报废及新购买刀具成本开支的增加。为此，能有效监测刀具磨损并进行适时换刀是必要的研究内容。信息融合技术又被称为多传感器信息融合技术。目前国内外众多学者对信息融合技术在刀具磨损监测中的应用进行了较多的......
2. 《基于功率传感器的刀具磨损量预测方法》PDF+DOC 使用功率传感器监测机床加工功率，和切削力、声发射等传感器相比，功率传感器具有实用性强、对加工过程无影响等优点.针对采集到的功率信号，在分析信号特征相关性的基础上，提出了一个多目标优化RP-SBL的刀具磨损量预测方法.对信号特征进行后处理(Re-processing，RP)消除电网波动和切削中其他偶然......
3. 《刀具磨损监测的一种数据处理方法》PDF+DOC 采用声发射传感器采集刀具切削时的信号，提出了一种基于BP神经网络识别刀具磨损程度的方法。该方法将原始声发射信号经高通滤波后直接输入到BP神经网络中进行训练，依靠神经网络的非线性映射能力，使神经网络对不同磨损程度刀具产生的信号进行分类，并能准确判别未知信号所属类别。与传统方法相比，该方法省去了人工提取......
4. 《基于云模型和稀疏贝叶斯技术的刀具磨损状态识别技术研究》PDF+DOC 针对刀具磨损状态监测和磨损量预测研究中特征提取这一关键技术，提出采用声发射传感器和功率传感器采集机床刀具磨损相关的信号信息，采用两种信号采集的方法可以避免单一信号本身自有的缺陷。采用云模型算法能够科学地耦合两种信息，并提取信号中反映刀具磨损量的特征因素；使用稀疏贝叶斯方法建立模型进而预测刀具磨损量，......
5. 《刀具磨损估计的多传感器融合神经网络方法研究》PDF+DOC 研究了利用声发射、振动和电机功率信号经ＢＰ算法信息融合估计刀具磨损量的方法，采用简单有效的灰色模型关联分析法选择特征参数，研究了网络参数对性能的影响以及网络性能的稳定性...
6. 《基于动态树理论的刀具磨损监测技术》PDF+DOC 提出了基于动态树理论的刀具磨损监测方法，通过相关系数法提取传感器信号与刀具磨损最相关的几组特征，并采用具有局部记忆的B样条模糊神经网络建立刀具磨损量与声发射信号、切削力信号和振动信号特征之间的非线性映射关系，构造了任意加工条件下的刀具磨损监测系统，刀具磨损的识别结果由集成神经网络输出。试验结果表明，......
7. 《数控车削加工过程的刀具磨损动态监测》PDF+DOC 对车削加工刀具磨损的各阶段信号进行采集，通过动态时频域分析，找到车削加工过程中刀具磨损的重要参数变化，对其进行振铃记数和人工神经网络的模式识别，实现了车削加工刀具磨损的状态检测。...
8. 《基于模糊聚类的数控车削加工刀具磨损检测研究》PDF+DOC 将模糊聚类分析原理应用于数控车削加工刀具磨损检测，对数控车削加工刀具磨损的各阶段力信号和振动信号进行采集，通过小波滤波及功率谱的谱分析，找到车削加工过程中刀具磨损的典型参数变化。通过提取信号特征值进行模糊聚类，实现了数控车削加工刀具磨损的状态识别。...
9. 《基于计算智能算法的铣刀状态监测》PDF+DOC 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......
10. 《基于混合智能计算的铣刀状态监测》PDF+DOC 提出了一种基于混合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，分别探讨了几种混合智能数据融合技术-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......