《基于人工蜂群-BP神经网络的刀具磨损监测》PDF+DOC
作者:王吴光
单位:中国机械工程学会;郑州机械研究所
出版:《机械强度》2017年第06期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFJXQD2017060060
DOC编号:DOCJXQD2017060069
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于人工鱼群BP神经网络算法的压力传感器温度补偿研究》PDF+DOC2016年第09期 陈群,左锋,卢文科
《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 聂鹏,李锋,李正强
《基于模糊神经网络的人体摔倒特征参数算法研究》PDF+DOC2020年第01期 谭晓静
《典型石化高温设备监测数据的处理研究》PDF+DOC2019年第03期 万帅,孔松涛,丁克勤,赵娜,唐方雄
《基于改进BP神经网络算法的管道缺陷漏磁信号识别》PDF+DOC2005年第07期 金涛,阙沛文,陈天璐,李亮
《刀具状态监测与加工过程的适应性控制》PDF+DOC2002年第06期 王令其
《基于BP神经网络的核电厂主动容错控制方法研究》PDF+DOC2012年第07期 李金阳,夏虹,刘永阔,成守宇,巩诚
《基于BP神经网络的多传感器数据融合技术优化》PDF+DOC2011年第22期 何拥军,曾文权,曾文英
《基于BP神经网络的猪肉新鲜度检测方法》PDF+DOC2011年第09期 王彦闯,刘敬彪,蔡强,方向生,吴文娟,刘锐,张延军
《基于BP神经网络的手势识别系统》PDF+DOC2013年第07期 刘赟,孙炎辉,黄向荣,于梁
为了提高刀具磨损状态监测准确度,提出基于人工蜂群-BP神经网络算法的刀具磨损状态监测方法。使用力传感器和振动传感器设计了磨损状态监测平台;使用匹配追踪算法对信号进行了去噪;提取了信号时域、频域、时频域的特征参数,使用核主成分分析法对特征参数进行了降维,确定了反应刀具磨损状态的15个特征参数;提出了人工蜂群-BP神经网络算法的刀具磨损状态识别方法,使用人工蜂群算法优化BP神经网络算法参数;经实验验证,传统BP神经网络识别准确率为78.75%,优化BP神经网络算法识别准确率为100%。
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。