基于双路并行卷积信息融合的刀具磨损识别 被引量：3

1

作者 赵东旭 袁志响 +3 位作者 易思广 潘加港 张云鹏 卢文壮 《现代制造工程》 CSCD 北大核心 2024年第1期124-129,共6页

针对机械加工现场环境复杂多变,使用单一信号进行刀具磨损识别难以获取全面的刀具磨损特征信息的问题,提出一种同时利用声音信号和工件表面图像信息结合深度学习网络识别刀具磨损状态的方法。首先采集铣削加工过程中声音信号和工件表面... 针对机械加工现场环境复杂多变,使用单一信号进行刀具磨损识别难以获取全面的刀具磨损特征信息的问题,提出一种同时利用声音信号和工件表面图像信息结合深度学习网络识别刀具磨损状态的方法。首先采集铣削加工过程中声音信号和工件表面图像数据,然后使用双路并行卷积神经网络对声音信号和工件表面图像进行特征提取及融合,最后进行刀具磨损识别。结果表明,和单一信号识别结果相比,采用信息融合方法能获取更全面的刀具磨损特征信息,有利于增强刀具磨损识别效果,且刀具磨损识别准确率和F1-score均在95%以上,能有效识别刀具磨损状况。 展开更多

关键词 刀具磨损 磨损识别 信息融合 双路卷积神经网络

在线阅读 下载PDF 职称材料

基于麻雀搜索算法优化支持向量机的刀具磨损识别 被引量：16

2

作者 胡鸿志 覃畅 +2 位作者 管芳 张洪波 安晟佳 《科学技术与工程》 北大核心 2021年第25期10755-10761,共7页

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition,EMD)将声信号分解成若干个固有模态函... 针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition,EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions,IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm,SSA)优化支持向量机(support vector machine,SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。 展开更多

关键词 刀具磨损识别 声信号 经验模态分解 麻雀搜索算法 支持向量机

在线阅读 下载PDF 职称材料

刀具磨损识别的人工神经网络方法 被引量：1

3

作者 崔松涛 朱名铨 《机械科学与技术》 CSCD 北大核心 1995年第6期145-150,共6页

人工神经网络在机械制造过程监控中有着广阔的应用前景。本文提出了一种基于多层前馈网络和误差反向传播（ＢＰ）算法的刀具磨损识别的新方法，并研究了网络结构和网络输入参数的选择，以建立较完善的神经网络模型。初步验证结果表明：... 人工神经网络在机械制造过程监控中有着广阔的应用前景。本文提出了一种基于多层前馈网络和误差反向传播（ＢＰ）算法的刀具磨损识别的新方法，并研究了网络结构和网络输入参数的选择，以建立较完善的神经网络模型。初步验证结果表明：基于多种传感器信息和工艺参数的人工神经网格模型对刀具状态具有很好的识别能力。 展开更多

关键词 刀具 磨损识别 神经网络

在线阅读 下载PDF 职称材料

基于EMD与LS-SVM的刀具磨损识别方法 被引量：15

4

作者 关山 王龙山 聂鹏 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2011年第2期144-148,共5页

针对刀具磨损声发射信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了基于经验模态分解和最小二乘支持向量机的刀具磨损状态识别方法.首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之... 针对刀具磨损声发射信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了基于经验模态分解和最小二乘支持向量机的刀具磨损状态识别方法.首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,然后分别对每一个固有模态函数进行自回归建模,最后提取每一个自回归模型的系数组成特征向量,特征向量被分为两组,一组用于对最小二乘支持向量机训练,另一组用于识别刀具磨损状态.试验结果表明:该方法能很好地识别刀具磨损状态,与BP神经网络相比具有更高的识别率. 展开更多

关键词 刀具磨损状态识别 最小二乘支持向量机 经验模态分解 自回归模型

在线阅读 下载PDF 职称材料

基于增量自适应支持向量机的AFM尖端磨损识别 被引量：3

5

作者 江子湛 程菲 张海民 《计算机集成制造系统》 EI CSCD 北大核心 2023年第4期1127-1136,共10页

为了提高纳米加工刀具磨损状态在线监测的精度与泛化能力,提出一种基于增量自适应支持向量机的基于原子力显微镜(AFM)尖端磨损识别方法。该方法以横向力的峰-峰值和方差作为特征变量,通过移动视窗获取增量数据;以维持Kuhn-Tucher定理所... 为了提高纳米加工刀具磨损状态在线监测的精度与泛化能力,提出一种基于增量自适应支持向量机的基于原子力显微镜(AFM)尖端磨损识别方法。该方法以横向力的峰-峰值和方差作为特征变量,通过移动视窗获取增量数据;以维持Kuhn-Tucher定理所要求的最优化条件为准则,在当前支持向量机解结构基础上自适应修改正则化参数C和核参数σ,以获得更新支持向量机结构,并对增量数据及受其扰动的原数据进行分类;根据尖端失效点数量走势,判定尖端磨损程度。实验证明该算法在识别精度与时间上可满足在线检测要求。与定向非循环图支持向量分类器对比,该算法具有更强的鲁棒性与更高的泛化能力。 展开更多

关键词 纳米加工 尖端磨损在线识别 横向力特征 增量自适应支持向量机 统计模式损伤检测

在线阅读 下载PDF 职称材料

KMDW和ISVDD方法在钻头磨损状态识别中的应用

6

作者 郝旺身 娄本池 +4 位作者 董辛旻 王林恒 朱春辉 陈世金 王亚坤 《重庆理工大学学报(自然科学)》 北大核心 2025年第7期179-186,共8页

为识别钻头的磨损状态,解决多分类过程中支持向量数据描述(SVDD)对混叠样本识别精度差的问题,提出一种基于结合K均值密度权重(KMDW)聚类和改进SVDD(ISVDD)的方法。采用小波包分解多尺度排列熵值(WPD-MPE)方法提取特征向量;结合KMDW和SVD... 为识别钻头的磨损状态,解决多分类过程中支持向量数据描述(SVDD)对混叠样本识别精度差的问题,提出一种基于结合K均值密度权重(KMDW)聚类和改进SVDD(ISVDD)的方法。采用小波包分解多尺度排列熵值(WPD-MPE)方法提取特征向量;结合KMDW和SVDD模型进行故障分类,对混叠样本采用K近邻隶属度值进行识别,并采用改进的蝴蝶优化算法(IBOA)优化SVDD模型参数。在标准数据集上验证所提方法的优越性,结果表明:加入K近邻隶属度值可使F值和准确率分别提升6.36%和6.59%;KMDW相比K均值聚类方法的ARI值和NMI值分别提升10.01%和10.75%,能够达到更好的聚类效果;经蝴蝶优化算法改进后模型识别精度进一步提高。将所提方法应用于钻头磨损状态的识别,识别准确率达到92.83%,证明其具有较好的识别精度和通用性。 展开更多

关键词 SVDD K均值密度权重聚类 蝴蝶优化算法 K近邻算法 钻头磨损状态识别

在线阅读 下载PDF 职称材料

直接快速迭代滤波分解的刀具磨损状态识别方法

7

作者 苗志滨 殷再航 +2 位作者 蒙占彬 丛晓红 崔哲 《机械科学与技术》 CSCD 北大核心 2024年第12期2123-2131,共9页

针对传统特征提取的刀具磨损状态识别不能充分表征振动信号磨损特征导致磨损状态识别精度不高的问题,提出了一种直接快速迭代滤波分解方法(Direct fast iterative filtering decomposition,dFIF)结合黏菌优化支持向量机(Slime mould alg... 针对传统特征提取的刀具磨损状态识别不能充分表征振动信号磨损特征导致磨损状态识别精度不高的问题,提出了一种直接快速迭代滤波分解方法(Direct fast iterative filtering decomposition,dFIF)结合黏菌优化支持向量机(Slime mould algorithm-Support vector machine,SMA-SVM)的刀具磨损状态识别方法。首先,通过直接快速迭代滤波分解方法(dFIF)对铣刀振动信号进行分解处理;其次,对分解产生的本征模态函数(Intrinsic mode function,IMF)使用加权稀疏峭度指标(Weighted sparseness kurtosis,WSK)进行计算评分,选择评分高的IMF进行降噪重构;最后,利用黏菌优化支持向量机(SMA-SVM)构建分类优化模型,将重构信号特征通过主成分分析(Principal component analysis,PCA)降维后输入优化模型,进行刀具磨损状态的分类识别。实验结果证明,提出的刀具磨损识别率高达99.8%,相比较于对比实验该方法能够快速、准确的识别铣刀的4种磨损状态,有一定的实践意义和研究价值。 展开更多

关键词 直接快速迭代滤波分解 刀具磨损识别 支持向量机 黏菌算法

在线阅读 下载PDF 职称材料

基于VMDFK和图像编码技术CNN网络刀具磨损状态识别 被引量：4

8

作者 刘红军 胡轶玮 韩文杰 《中国工程机械学报》 北大核心 2024年第1期94-100,共7页

针对采集刀具加工数据过程中有冗余信息和干扰信号,导致刀具磨损状态特征识别困难、识别精度不高等问题,提出一种基于快速谱峭度图的变分模态分解模态分量选取(VMDFK)与格拉姆角场(GAF)图像编码技术相结合的卷积神经网络(CNN)刀具磨损... 针对采集刀具加工数据过程中有冗余信息和干扰信号,导致刀具磨损状态特征识别困难、识别精度不高等问题,提出一种基于快速谱峭度图的变分模态分解模态分量选取(VMDFK)与格拉姆角场(GAF)图像编码技术相结合的卷积神经网络(CNN)刀具磨损状态识别方法。首先通过变分模态分解和快速谱峭度图,筛选符合要求的模态分量并重构;再采用形态滤波对重构信号去噪和增强;最后通过格拉姆角场图像编码技术,将经去噪增强后的信号转换为格拉姆角场图,并将其输入卷积神经网络中提取特征,较好地解决了信号中的干扰和图像识别中图像特征不明显问题。实验结果表明:该方法可准确清晰地展现刀具磨损状态的特征,在即时性、准确度等方面有较大提高,实现对刀具不同磨损状态的实时智能识别,具有较好的效果。 展开更多

关键词 刀具磨损状态识别 变分模态分解 快速谱峭度 形态滤波 格拉姆角场 深度学习

在线阅读 下载PDF 职称材料

基于边频相对能量和的柱塞泵磨损状态识别 被引量：6

9

作者 何兆民 王少萍 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2014年第2期183-187,共5页

摩擦磨损是飞机柱塞泵典型的渐进性故障,因磨损量难以直接测量,通常采用振动信号进行间接测量.磨损引起的振动信号故障特征微弱,对磨损状态进行准确地识别比较困难.针对上述问题,提出了基于谐波分量边频相对能量和的磨损状态识别方法,... 摩擦磨损是飞机柱塞泵典型的渐进性故障,因磨损量难以直接测量,通常采用振动信号进行间接测量.磨损引起的振动信号故障特征微弱,对磨损状态进行准确地识别比较困难.针对上述问题,提出了基于谐波分量边频相对能量和的磨损状态识别方法,该方法对壳体振动信号进行Hilbert包络解调消除高频周期干扰,得到清晰的谐波分量,在各谐波分量的特定边频区间内计算最大能量与平均能量的比值并求和,将该值作为新的特征量来表征柱塞泵的不同磨损状态,利用网格法对边频区间范围寻优.结果表明,边频相对能量和相比传统的特征频率能量对磨损状态的区分度更高,适于磨损状态识别. 展开更多

关键词 柱塞泵 磨损识别 谐波分量 边频相对能量和

在线阅读 下载PDF 职称材料

基于流形学习与隐马尔可夫模型的刀具磨损状况识别 被引量：9

10

作者 张栋梁 莫蓉 +1 位作者 孙惠斌 李春磊 《西北工业大学学报》 EI CAS CSCD 北大核心 2015年第4期651-657,共7页

为了提高金属铣削过程中的刀具磨损状态识别的自动化程度与精度,提出了基于局部切空间排列(LTSA)方法与隐Markov模型(HMM)来识别刀具的不同磨损状态的方法。该方法首先利用小波分析技术对铣削过程中的切削进给方向力信号进行处理,构造... 为了提高金属铣削过程中的刀具磨损状态识别的自动化程度与精度,提出了基于局部切空间排列(LTSA)方法与隐Markov模型(HMM)来识别刀具的不同磨损状态的方法。该方法首先利用小波分析技术对铣削过程中的切削进给方向力信号进行处理,构造了高维特征空间。然后使用基于流形学习方法实现了高维特征空间的维数约简。最终利用约简后的低维特征向量训练HMM,从而实现刀具磨损状态的识别。实验结果说明该方法能够有效地识别铣削过程的刀具磨损状态。与未经特征维数约简的识别方法相比,新方法能够提高刀具磨损状态的识别效率与准确率。 展开更多

关键词 维数约简 刀具磨损状态识别 流形学习 隐马尔可夫模型(HMM)

在线阅读 下载PDF 职称材料

基于堆栈降噪自编码网络的机械设备磨损状态识别 被引量：5

11

作者 樊红卫 马宁阁 +3 位作者 张旭辉 高烁琪 曹现刚 马宏伟 《工矿自动化》 北大核心 2020年第11期6-11,共6页

通过磨粒铁谱图像识别可实现机械设备磨损状态识别,但基于机器学习的磨粒铁谱图像识别存在较多人工干预、普适性差。为解决上述问题,提出了一种基于堆栈降噪自编码网络的机械设备磨损状态识别方法。将多个降噪自编码网络进行堆叠,即上... 通过磨粒铁谱图像识别可实现机械设备磨损状态识别,但基于机器学习的磨粒铁谱图像识别存在较多人工干预、普适性差。为解决上述问题,提出了一种基于堆栈降噪自编码网络的机械设备磨损状态识别方法。将多个降噪自编码网络进行堆叠,即上一个降噪自编码网络隐含层的输出作为下一个降噪自编码网络的输入,并在最后一个降噪自编码网络隐含层后添加Softmax分类器,从而构建堆栈降噪自编码网络;利用磨粒铁谱图像对堆栈降噪自编码网络进行无监督预训练,并通过有监督微调优化网络参数,对磨粒铁谱图像进行分类,实现机械设备磨损状态智能识别。实验结果表明:当堆栈降噪自编码网络的激活函数为Relu、优化器为Adam、学习率为0.001时,网络性能最佳,识别准确率达98.43%。 展开更多

关键词 机械设备 磨损状态识别 铁谱图像 堆栈降噪自编码网络

在线阅读 下载PDF 职称材料

基于数据融合技术的发动机磨损模式识别方法 被引量：4

12

作者 张培林 李兵 任国全 《润滑与密封》 CAS CSCD 北大核心 2007年第6期60-63,共4页

针对单一的智能模型在发动机磨损模式识别中的局限性,提出了一种基于数据融合技术的多模型磨损模式识别方法。它利用模糊优选模型、神经网络模型和灰色关联度模型等3种单一智能模型的识别结果作为信息源,经D-S证据理论对其进行融合得到... 针对单一的智能模型在发动机磨损模式识别中的局限性,提出了一种基于数据融合技术的多模型磨损模式识别方法。它利用模糊优选模型、神经网络模型和灰色关联度模型等3种单一智能模型的识别结果作为信息源,经D-S证据理论对其进行融合得到最终识别结果。实际计算表明,该模型具有良好的通用性、适应性和容错性,比单一的智能模型具有更好的识别效果。 展开更多

关键词 数据融合技术 D-S证据理论 内燃机 磨损模式识别

在线阅读 下载PDF 职称材料

发动机磨损模式识别的SFCE方法 被引量：2

13

作者 张培林 李兵 +1 位作者 任国全 梁淑宝 《内燃机工程》 EI CAS CSCD 北大核心 2008年第4期81-84,共4页

针对发动机磨损过程的复杂性和不确定性,对磨粒数量特征信息进行了模糊化。引进了信息论中一种新的模糊子集间的距离度量——对称模糊交互熵(SFCE)的概念,并结合模糊相对权重对其计算方法进行了改进,提出了基于对称模糊交互熵的发动机... 针对发动机磨损过程的复杂性和不确定性,对磨粒数量特征信息进行了模糊化。引进了信息论中一种新的模糊子集间的距离度量——对称模糊交互熵(SFCE)的概念,并结合模糊相对权重对其计算方法进行了改进,提出了基于对称模糊交互熵的发动机磨损模式识别方法。计算结果表明,SFCE方法能够实现发动机油样磨损模式的分类,具有很好的识别效果。 展开更多

关键词 内燃机 对称模糊交互熵 模糊相对权重 磨损模式识别

在线阅读 下载PDF 职称材料

基于LVQ神经网络的截齿磨损程度识别研究 被引量：4

14

作者 张强 张旭 +1 位作者 田莹 刘志恒 《传感技术学报》 CAS CSCD 北大核心 2018年第11期1721-1726,共6页

为实现截齿磨损程度的快速准确识别,提出了一种基于LVQ神经网络的截齿磨损程度的多特征信号识别方法,并利用自制截齿截割实验台对相同截割条件下的不同磨损程度截齿进行截割实验,提取截割的电流信号、红外信号,建立截齿磨损识别模型,研... 为实现截齿磨损程度的快速准确识别,提出了一种基于LVQ神经网络的截齿磨损程度的多特征信号识别方法,并利用自制截齿截割实验台对相同截割条件下的不同磨损程度截齿进行截割实验,提取截割的电流信号、红外信号,建立截齿磨损识别模型,研究表明:新截齿B相电流峰值为1 117 mA,随磨损程度的加剧而逐渐增大,严重磨损截齿值为1 183 mA,最大峰值差为66 mA;新截齿齿尖最大闪温值为25.52℃,随截齿磨损程度加剧逐渐降低,严重磨损截齿值为18.96℃,最大温度差为6.56℃。基于LVQ神经网络的截齿识别平均最大正确率均可以达到100%,与BP神经网络方法相比提高了12.86%,因此该神经网络具有良好的可靠性与精确性。 展开更多

关键词 传感器应用 截齿 磨损程度识别 多特征信号融合 LVQ神经网络 BP神经网络

在线阅读 下载PDF 职称材料

盾构刀具整体磨损状态识别研究 被引量：5

15

作者 乔世范 谭晶仁 +1 位作者 王刚 李镐羽 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第5期39-49,共11页

刀具磨损情况是影响盾构机掘进效率的重要因素,也是决定开仓换刀时间和频率的关键依据。针对盾构掘进过程中刀具整体磨损状态难以判断的问题,统计换刀点每把刀具磨损量与限定磨损量之间的关系,提出了3个磨损状态等级。在推导3种关键掘... 刀具磨损情况是影响盾构机掘进效率的重要因素,也是决定开仓换刀时间和频率的关键依据。针对盾构掘进过程中刀具整体磨损状态难以判断的问题,统计换刀点每把刀具磨损量与限定磨损量之间的关系,提出了3个磨损状态等级。在推导3种关键掘进参数(推力、扭矩和掘进速度)与单把滚刀切削分力理论关系的基础上,提出一种对掘进参数信号进行小波包分解以识别刀具整体磨损状态的方法。该方法以分解后的信号节点小波包系数标准差组成的特征向量作为磨损识别指标,通过敏感性分析找出对刀具磨损最敏感的节点特征向量,进而通过拟合分析确定磨损状态与磨损识别指标的函数关系。对深圳地铁14号线大运站至宝荷站区间工程实例的分析结果表明,该方法能准确识别盾构刀具的整体磨损状态,其中使用掘进速度信号进行识别的精度最高,推力次之,扭矩最低。该方法在使用中仅需对盾构机自动采集的掘进参数进行处理分析,不需要布置传感器,具有简便易行、成本低和精度高等优点,为及时开仓换刀提供了可靠依据。 展开更多

关键词 盾构 滚刀 掘进参数 小波包分析 磨损状态识别

在线阅读 下载PDF 职称材料

基于证据理论的内燃机活塞缸套活塞环组件磨损状态识别 被引量：10

16

作者 张雨 《内燃机学报》 EI CAS CSCD 北大核心 2004年第1期91-95,共5页

简述了Dempster Shafer证据理论的基本原理。认为曲轴箱压力和机身振动加速度这两类信号具有互补性,可以用于识别活塞 缸套 活塞环组件工作状态,对其选取了几个有效的信号特征参数。根据D S证据理论,采用模糊隶属度计算基本概率分配,采... 简述了Dempster Shafer证据理论的基本原理。认为曲轴箱压力和机身振动加速度这两类信号具有互补性,可以用于识别活塞 缸套 活塞环组件工作状态,对其选取了几个有效的信号特征参数。根据D S证据理论,采用模糊隶属度计算基本概率分配,采用基于基本概率分配值的决策方法对两类信号进行信息融合,结果表明运用证据理论能够有效地提高识别活塞 缸套 活塞环组件工作状态的准确性。 展开更多

关键词 内燃机 活塞 缸套 活塞环 磨损状态识别 证据理论 信号特征参数 模糊隶属度

在线阅读 下载PDF 职称材料

基于多传感器多元特征融合决策的铣刀磨损辨识方法 被引量：1

17

作者 贺明茹 吴双峰 +1 位作者 李萌 张威 《机电工程》 CAS 北大核心 2024年第11期2019-2028,共10页

针对铣削加工过程中刀具磨损预测准确率低、单一传感器覆盖特征缺乏对照的问题,提出了一种结合粒子群优化(PSO)-最小二乘支持向量机(LS-SVM)算法与多传感器特征的刀具磨损判断方法。首先,构建了以振动、切削力和声发射为刀具磨损监测信... 针对铣削加工过程中刀具磨损预测准确率低、单一传感器覆盖特征缺乏对照的问题,提出了一种结合粒子群优化(PSO)-最小二乘支持向量机(LS-SVM)算法与多传感器特征的刀具磨损判断方法。首先,构建了以振动、切削力和声发射为刀具磨损监测信号的磨损辨识系统;然后,采用时域特征:最大值p1、均方根p2、标准差p3、绝对值均值p4结合小波频段能量特征分析的方法进行了铣削加工信号分析,采用PSO-LS-SVM算法建立了刀具磨损状态识别模型和刀具磨损量预测模型;最后,通过时域与小波分析,从采集到的振动、铣削力及声发射信号中提取了71维信号特征,并优化降维至24维;以24维特征作为输入,刀具磨损状态和刀具磨损量为输出,对该刀具磨损识别及预测算法进行了验证。研究结果表明:基于PSO-LS-SVM算法的刀具磨损状态辨识模型在多传感器特征方面的磨损识别准确率为99.39%,相比单传感器特征,其识别准确率更高;刀具磨损量预测模型的预测精度达到了99.75%,相比其他模型,平均准确率提高了8.02%。 展开更多

关键词 刀具磨损监测 多传感器特征 特征提取 粒子群优化 最小二乘支持向量机 磨损识别与预测

在线阅读 下载PDF 职称材料

深度特征联合匹配的不同刀具间磨损状态识别 被引量：6

18

作者 陈仁祥 吴志元 +2 位作者 胡小林 杨钢 赵玲 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第12期138-145,共8页

实际工程中数控机床刀具磨损状态识别时,作为训练样本的刀具和待识别磨损状态的刀具必然不同,不同刀具间磨损状态准确识别成为必须解决的问题。受走刀次数、安装误差等众多因素影响,同类型同磨损状态的不同刀具切削信号不可避免的存在... 实际工程中数控机床刀具磨损状态识别时,作为训练样本的刀具和待识别磨损状态的刀具必然不同,不同刀具间磨损状态准确识别成为必须解决的问题。受走刀次数、安装误差等众多因素影响,同类型同磨损状态的不同刀具切削信号不可避免的存在差异。针对不同刀具间磨损状态准确识别的问题,提出了深度特征联合匹配的刀具磨损状态识别方法。首先,利用堆栈加噪自编码网络对样本频谱进行特征自提取以获得表征磨损状态的深度特征;然后,通过迁移联合匹配算法对所获得的深度特征进行联合匹配以缩小不同刀具磨损状态深度特征间的差异,解决同类型同磨损状态的不同刀具间特征差异问题;最后将联合匹配后的深度特征输入K最近邻分类器实现刀具磨损状态识别。铣刀与车刀磨损状态识别实验结果显示,所提方法识别准确率最高可达到97.04%,证明了该方法能够有效识别刀具磨损状态,并具有较好的泛化能力和稳健性。 展开更多

关键词 刀具 磨损状态识别 深度特征 联合匹配

在线阅读 下载PDF 职称材料

基于颗粒度分布在线监测的汽轮机轴承磨损状态识别 被引量：6

19

作者 高峻宏 张志强 +1 位作者 于达仁 鲍文 《汽轮机技术》 北大核心 2004年第3期185-189,共5页

建立了汽轮机润滑油系统基于颗粒度分布的污染控制模型,分析了汽轮机油系统颗粒度分布规律与轴承磨损状态之间的关系。采用威布尔分布(weibull)函数的尺度参数和形状参数及分布均值来描述油系统中颗粒度分布并仿真研究了在不同磨损状态... 建立了汽轮机润滑油系统基于颗粒度分布的污染控制模型,分析了汽轮机油系统颗粒度分布规律与轴承磨损状态之间的关系。采用威布尔分布(weibull)函数的尺度参数和形状参数及分布均值来描述油系统中颗粒度分布并仿真研究了在不同磨损状态下3个参数的变化规律。仿真试验结果表明,通过在线监测汽轮机润滑油中颗粒度分布的尺度参数、形状参数及分布均值的变化,可及时判别汽轮机轴承磨损状态的改变,该监测方法与铁谱、光谱检测技术相结合可及时准确地诊断出轴承的异常磨损状态。 展开更多

关键词 汽轮机润滑油系统 污染控制模型 轴承磨损状态识别

在线阅读 下载PDF 职称材料

简易识别三大精密偶件磨损方法

20

作者 王洪卫 孙成龙 陈万春 《农机维修》 1997年第1期34-35,共2页

一、简易识别出油阀偶件磨损方法 1.目测法 用直接观察的方法检查出油阀偶件,如果发现有下列情况之一。应予修复或更换:①密封锥面凹陷,接触环带宽度超过0.5毫米(正常宽度为0.2～0.3毫米);②减压环带有明显的磨损沟痕,看不到原来的光亮... 一、简易识别出油阀偶件磨损方法 1.目测法 用直接观察的方法检查出油阀偶件,如果发现有下列情况之一。应予修复或更换:①密封锥面凹陷,接触环带宽度超过0.5毫米(正常宽度为0.2～0.3毫米);②减压环带有明显的磨损沟痕,看不到原来的光亮面;③出油阀与阀座孔配合表面有锈蚀、裂纹和金属剥落。 2.滑动性能试验法 将放在清洁柴油中浸泡过的出油阀偶件取出后,拿住阀座倾斜45°,将出油阀抽出1/3。 展开更多

关键词 发动机 出油阀 柱塞副 喷油嘴 磨损识别

在线阅读 下载PDF 职称材料