期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
DTCWPT与TSMAE融合的刀具磨损状态辨识方法
1
作者
韩涛
宫建成
+2 位作者
杨小强
王健
刘武强
《陆军工程大学学报》
2024年第5期83-92,共10页
获取高质量的刀具磨损特征信息是识别刀具磨损状态的前提。为克服现有刀具磨损状态辨识方法中特征信息提取不足的问题,提出了一种基于双树复小波包变换(dual-tree complex wavelet packet transform,DTCWPT)、时移多尺度注意熵(time-shi...
获取高质量的刀具磨损特征信息是识别刀具磨损状态的前提。为克服现有刀具磨损状态辨识方法中特征信息提取不足的问题,提出了一种基于双树复小波包变换(dual-tree complex wavelet packet transform,DTCWPT)、时移多尺度注意熵(time-shifted multiscale attention entropy,TSMAE)和随机森林(random forest,RF)的刀具磨损状态辨识方法。利用实测刀具磨损数据集对所提方法的有效性进行了验证,并从信号分解和特征提取两方面与其他磨损辨识技术进行了对比。结果表明,在特征提取阶段,所提方法展现出极高的效率,分别仅需9.41 s和14.91 s即可完成特征提取。在磨损辨识阶段,多次实验的平均辨识精度分别达到了99.33%和100%,充分证明了该方法不仅能够迅速响应,还能准确地辨识刀具的磨损状态。相较其他方法,所提方法在效率和精度上都有明显的优势,在刀具磨损状态辨识领域具有较高的应用潜力。
展开更多
关键词
刀具磨损
状态辨识
双树复小波包变换
时移多尺度注意熵
随机森林
在线阅读
下载PDF
职称材料
题名
DTCWPT与TSMAE融合的刀具磨损状态辨识方法
1
作者
韩涛
宫建成
杨小强
王健
刘武强
机构
陆军工程大学训练基地
陆军工程大学野战工程学院
海军工程大学
出处
《陆军工程大学学报》
2024年第5期83-92,共10页
基金
江苏省自然科学基金(BK20211232)。
文摘
获取高质量的刀具磨损特征信息是识别刀具磨损状态的前提。为克服现有刀具磨损状态辨识方法中特征信息提取不足的问题,提出了一种基于双树复小波包变换(dual-tree complex wavelet packet transform,DTCWPT)、时移多尺度注意熵(time-shifted multiscale attention entropy,TSMAE)和随机森林(random forest,RF)的刀具磨损状态辨识方法。利用实测刀具磨损数据集对所提方法的有效性进行了验证,并从信号分解和特征提取两方面与其他磨损辨识技术进行了对比。结果表明,在特征提取阶段,所提方法展现出极高的效率,分别仅需9.41 s和14.91 s即可完成特征提取。在磨损辨识阶段,多次实验的平均辨识精度分别达到了99.33%和100%,充分证明了该方法不仅能够迅速响应,还能准确地辨识刀具的磨损状态。相较其他方法,所提方法在效率和精度上都有明显的优势,在刀具磨损状态辨识领域具有较高的应用潜力。
关键词
刀具磨损
状态辨识
双树复小波包变换
时移多尺度注意熵
随机森林
Keywords
tool wear
status identification
dual-tree complex wavelet packet transform(DTCWPT)
time-shifted multiscale attention entropy(TSMAE)
random forest(RF)
分类号
TH117.1 [机械工程—机械设计及理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
DTCWPT与TSMAE融合的刀具磨损状态辨识方法
韩涛
宫建成
杨小强
王健
刘武强
《陆军工程大学学报》
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
