针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模...针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模型。最大均值差异(maximum mean difference, MMD)法对不同刀具磨损数据进行相似度检测,当相似度相差较大时,在历史模型的基础上进行迭代更新,更新后的模型再对磨损数据进行预测。铣削试验验证结果表明,该方法能够准确预测不同刀具的磨损值大小,具有较好的自适应能力。展开更多
针对目前定向钻机的监测主要依靠人力,其故障的诊断主要依靠专家经验,速度缓慢,效率较低,提出基于一维卷积神经网络(1D CNN)的定向钻机故障诊断专家系统,利用1D CNN实现了推理机的设计,利用SQL Server 2005建立知识库,最后通过LabVIEW和...针对目前定向钻机的监测主要依靠人力,其故障的诊断主要依靠专家经验,速度缓慢,效率较低,提出基于一维卷积神经网络(1D CNN)的定向钻机故障诊断专家系统,利用1D CNN实现了推理机的设计,利用SQL Server 2005建立知识库,最后通过LabVIEW和Python混合编程开发专家系统。经模拟测试,该专家系统能快速给出故障原因、部位和处理建议,提高了定向钻机故障诊断的速度和效率,为进一步实现矿用装备的智能化奠定基础。展开更多
文摘针对同一工况下不同刀具磨损预测建模中的数据分布不同,从而导致的历史模型失效问题,提出了一种基于多通道一维卷积神经网络的刀具磨损动态预测建模方法。历史刀具磨损数据训练的多通道一维卷积神经网络,作为初始的刀具磨损预测历史模型。最大均值差异(maximum mean difference, MMD)法对不同刀具磨损数据进行相似度检测,当相似度相差较大时,在历史模型的基础上进行迭代更新,更新后的模型再对磨损数据进行预测。铣削试验验证结果表明,该方法能够准确预测不同刀具的磨损值大小,具有较好的自适应能力。
文摘针对目前定向钻机的监测主要依靠人力,其故障的诊断主要依靠专家经验,速度缓慢,效率较低,提出基于一维卷积神经网络(1D CNN)的定向钻机故障诊断专家系统,利用1D CNN实现了推理机的设计,利用SQL Server 2005建立知识库,最后通过LabVIEW和Python混合编程开发专家系统。经模拟测试,该专家系统能快速给出故障原因、部位和处理建议,提高了定向钻机故障诊断的速度和效率,为进一步实现矿用装备的智能化奠定基础。