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被引量：2

下载PDF

导出

摘要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,实现了对刀具磨损的监控,提高了刀具磨损监控的效率和准确性。

作者聂鹏李锋李正强

机构地区沈阳百祥机械加工有限公司沈阳航空航天大学

出处《机电信息》 2017年第33期102-103,共2页

关键词刀具磨损云模型声发射

分类号 TG71 [金属学及工艺—刀具与模具]

引文网络
相关文献

参考文献4

1谢楠,段明雷,高英强,郑蓓蓉.基于功率传感器的刀具磨损量预测方法[J].同济大学学报（自然科学版）,2017,45(3):420-426. 被引量：6
2马颖,田维坚,樊养余.基于云模型的自适应量子粒子群算法[J].模式识别与人工智能,2013,26(8):787-793. 被引量：11
3叶琼,李绍稳,张友华,疏兴旺,倪冬平.云模型及应用综述[J].计算机工程与设计,2011,32(12):4198-4201. 被引量：134
4王彪,朱志慧,戴跃伟.一种快速稀疏贝叶斯学习的水声目标方位估计方法研究[J].声学学报,2016,41(1):81-86. 被引量：9

二级参考文献43

1李德毅,刘常昱.论正态云模型的普适性[J].中国工程科学,2004,6(8):28-34. 被引量：897
2高键,姜长生,李众.一种新的云模型控制器设计[J].信息与控制,2005,34(2):157-162. 被引量：41
3李德毅,孟海军,史雪梅.隶属云和隶属云发生器[J].计算机研究与发展,1995,32(6):15-20. 被引量：1246
4ZHU Weiqing LIU Xiaodong ZHANG Dongsheng LIAO Zheng ZHANG Fangsheng.Estimating the directions of arrival based on multi-subarray subspace fitting[J].Chinese Journal of Acoustics,2006,25(1):16-25. 被引量：7
5高宏力,许明恒,傅攀,杜全兴.基于动态树理论的刀具磨损监测技术[J].机械工程学报,2006,42(7):227-230. 被引量：24
6鄢社锋,马远良,侯朝焕.宽带波束域相干信号子空间高分辨方位估计[J].声学学报,2006,31(5):418-424. 被引量：23
7李华莹,罗自强,李德毅.基于云模型的汽车款式知识表示[J].舰船电子工程,2006,26(6):1-4. 被引量：3
8张光卫,康建初,李鹤松,李德毅.基于云模型的全局最优化算法[J].北京航空航天大学学报,2007,33(4):486-490. 被引量：37
9于少伟,曹凯,赵模.基于一维云模型的交通信息预测算法[J].山东大学学报（工学版）,2007,37(2):121-126. 被引量：24
10王洪利,冯玉强.基于云理论的群体复杂决策中不确定知识的表示[J].黑龙江大学自然科学学报,2007,24(3):340-344. 被引量：13

共引文献156

1陈萍,张延飞,刘星星,丁木华,虞俊.基于正态云组合赋权的城市生态环境质量综合评价[J].科技管理研究,2023,43(4):68-74. 被引量：5
2王书豪,阮怀林.基于改进块稀疏贝叶斯学习算法的波达方向估计[J].计算机应用研究,2020,37(2):443-445. 被引量：1
3云龙,吴伟东.基于云模型的外墙防水工程质量综合评价研究[J].工业建筑,2013,43(S1):878-883. 被引量：2
4冯晓洁,李畅.军队院校课程评估的云模型方法研究[J].计算机与数字工程,2012,40(7):60-61. 被引量：2
5崔东华,魏军辉,李俊杰,夏铭禹.多目标多火力通道云调度策略研究[J].指挥控制与仿真,2012,34(5):1-4. 被引量：2
6牛景太.基于动力属性区间辨识的混凝土坝安全监控模型[J].水科学与工程技术,2012(5):1-5.
7成晓东,周德云,何鹏,张堃.基于正态云自适应遗传算法的无人机航路规划[J].计算机应用研究,2012,29(12):4469-4471. 被引量：2
8曹耀艳.基于云理论的科研项目立项评审[J].科技管理研究,2013,33(7):168-171. 被引量：6
9刘九洲,王景生,王永江,王健.一种基于多维云模型的武器系统效能评估方法[J].舰船电子对抗,2013,36(2):85-87. 被引量：5
10于彩霞,李树军,李改肖,吴迪.基于云模型的数字海图质量评估方法[J].海洋测绘,2013,33(3):66-68. 被引量：2

同被引文献36

1李兆前,邓建新,黄传真,艾兴.多种损坏原因共同作用时的刀具可靠度模型[J].山东工业大学学报,1995,25(3):201-206. 被引量：4
2曹兰景,王润孝,周占峰,姜晓鹏.刀具全寿命周期管理研究[J].组合机床与自动化加工技术,2005(10):66-67. 被引量：5
3韦岗,贺前华,欧阳景正.关于多层感知器的函数逼近能力[J].信息与控制,1996,25(6):321-324. 被引量：20
4艾长胜,王宝光,董全成,何光伟.基于声信号HMM的刀具磨损程度分级识别[J].组合机床与自动化加工技术,2007(7):26-29. 被引量：9
5李萍,曾令可,税安泽,金雪莉,刘艳春,王慧.基于MATLAB的BP神经网络预测系统的设计[J].计算机应用与软件,2008,25(4):149-150. 被引量：182
6于青,王金林.基于DE-BP神经网络的刀具寿命预测研究[J].机床与液压,2009,37(4):4-6. 被引量：8
7黄媛,孙树栋,李兢尧.基于ACO-BP神经网络的刀具寿命预测[J].机械科学与技术,2009,28(11):1517-1521. 被引量：12
8丁怡,何卫平,张维,王伟,李亚杰,董荣.基于BP神经网络的刀具寿命预测模型[J].航空制造技术,2010,53(8):93-96. 被引量：12
9王玫,吕俊杰,王杰.基于连续高斯密度混合HMM的刀具磨损状态监测[J].四川大学学报（工程科学版）,2010,42(3):240-245. 被引量：9
10徐峰,王志芳,王宝圣.AR模型应用于振动信号趋势预测的研究[J].清华大学学报（自然科学版）,1999,39(4):57-59. 被引量：49

引证文献2

1常钰,魏乐,王瑞祥.数据驱动的刀具剩余寿命预测方法综述[J].电子技术与软件工程,2020(19):193-197. 被引量：3
2刘献礼,秦怡源,岳彩旭,魏旭东,孙艳明,郭斌.递归特征消除与极端随机树在铣刀磨损监测中的研究[J].机械科学与技术,2023,42(6):821-828. 被引量：3

二级引证文献6

1孙俊义,刘治红,郭延涛.基于数字孪生的关键工装寿命预测综述[J].兵工自动化,2022,41(6):7-13. 被引量：4
2刘鸿智.刀具磨损状态监测技术研究现状[J].新疆农机化,2023(3):17-20.
3马良玉,程东炎,梁书源,耿妍竹,段新会.基于LightGBM-VIF-MIC-SFS的风电机组故障诊断输入特征选择方法[J].热力发电,2024,53(1):154-164.
4汪鑫,廖小平,刘树胜,覃办,鲁娟.多传感器融合下多工况刀具磨损状态预测的深度森林方法研究[J].仪器仪表学报,2023,44(9):263-272.
5李利刚,刘浩,陈建强,王昊川,罗世超,高源,李凤朝.基于最优特征和改进随机森林的非侵入式负荷辨识方法[J].电力需求侧管理,2024,26(3):55-61.
6强碧瑶,史恺宁,任军学,史耀耀.基于实例迁移学习的跨工况刀具剩余寿命预测[J].航空学报,2024,45(13):197-209.

1石姣璐梓.贝叶斯方法对地产项目的风险分析及决策建议[J].价值工程,2017,36(33):50-52.
2刘成颖,吴昊,王立平,张智.基于PSO优化LS-SVM的刀具磨损状态识别[J].清华大学学报（自然科学版）,2017,57(9):975-979. 被引量：22
3HH.铱星公司与荷兰初创公司签订合作协议[J].航天工业管理,2017(9):46-46.
4陈志旺,黄兴旺,陈志兴,赵子铮,黄丽芳.区间多目标优化非支配排序云模型算法[J].计算机工程与应用,2017,53(22):143-149. 被引量：30
5陈刚.水电机组运行设备的检测诊断[J].信息记录材料,2017,18(11):35-36.
6李浩天,赵振刚,李英娜,许晓平,李川.轴承振动信号采集分析系统设计与实现[J].传感器与微系统,2017,36(10):95-98. 被引量：3
7申毅.智能化信号信息处理技术的发展与展望[J].数字技术与应用,2017,35(10):231-232. 被引量：3
8黄修杰,储霞玲,邹移光,杨贤智.《中国农业科学》高被引论文的特征因素分析[J].农业图书情报学刊,2017,29(11):145-148. 被引量：7
9卢小菊.人机工程在汽车设计中的应用[J].机械工程与自动化,2017(6):207-208. 被引量：4
10田艳丰,刘石磊,井艳军,杨轶.基于D-S证据融合的风力发电机组的故障预测[J].计算机与现代化,2017(10):57-61. 被引量：1

机电信息

2017年第33期

浏览历史

内容加载中请稍等...

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被引量：2

参考文献4

二级参考文献43

共引文献156

同被引文献36

引证文献2

二级引证文献6

相关作者

相关机构

相关主题

浏览历史

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 被引量：2

参考文献4

二级参考文献43

共引文献156

同被引文献36

引证文献2

二级引证文献6

相关作者

相关机构

相关主题

浏览历史

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被引量：2