《基于B样条模糊神经网络的刀具磨损监测》PDF+DOC
作者:高宏力,傅攀,许明恒
单位:西北工业大学
出版:《机械科学与技术》2005年第06期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFJXKX2005060340
DOC编号:DOCJXKX2005060349
下载格式:PDF + Word/doc 文字可复制、可编辑
《不同信号融合的立铣刀刀具磨破损状态监测方法研究》PDF+DOC2017年第05期 温坤,张汉林,魏东,王永泉,陈华玲
《智能加工中切削刀具状态的在线监控方法及其发展趋势》PDF+DOC1999年第04期 唐唤清
《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
《高速硬车削刀具状态在线监测研究》PDF+DOC2012年第10期 王永新
《数控镗刀磨损与破损的声发射监测法》PDF+DOC2012年第10期 陈益林,田正芳,侯德政
《HMM技术在数控镗刀状态监测中的应用》PDF+DOC2011年第10期 陈益林,田正芳,侯德政
《在线金属切削刀具磨损状态监测研究的回顾与展望Ⅰ:监测信号的选择》PDF+DOC2010年第11期 关山,康晓峰
《刀具监控技术在金属切削过程中的应用》PDF+DOC2009年第13期 龚廷恺,王细洋
《刀具磨损在线监测研究现状与发展》PDF+DOC2014年第19期 柳洋,陈永洁,杨文恺,王定,吕禄方
《具备高适应性的高速铣削刀具磨损状态监测系统》PDF+DOC2013年第01期 申志刚,何宁
刀具状态监测是实现自动化加工和无人化加工的关键技术。本文使用切削力和声发射传感器监测金属切削过程,提出了基于B样条模糊神经网络作为刀具磨损量监测模型。该模型能够准确描述刀具磨损和信号特征之间的非线性关系,和常用的BP前馈神经网络相比,具有收敛速度快和局部学习能力等优点。试验结果表明:采用B样条模糊神经网络对提高刀具磨损在线监测的准确度和可靠度非常有效。
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。