检索结果-维普期刊中文期刊服务平台

驱动系统摩擦扰动的模糊平方项自适应滑模控制被引量：1: 1; 作者林子豪方成刚 +2 位作者杨贵超高伟峰陈昕《西安交通大学学报》 EI CAS CSCD 北大核心 2023年第3期97-105,共9页; 为了提高滚珠丝杠系统的运动精度同时减少能耗,提出了一种新的模糊平方项自适应滑模控制方法,可以在降低能耗的同时有效提高滚珠丝杠系统的运动精度。采用集中质量模型建立滚珠丝杠动力学模型,同时引入LuGre摩擦模型,估计摩擦力。所提... 展开更多; 关键词滑模控制滚珠丝杠系统自适应控制 LuGre摩擦跟踪误差; 在线阅读下载PDF 职称材料

磨齿机电主轴热特性及热误差建模被引量：14: 2; 作者谢杰黄筱调 +2 位作者方成刚周宝仓陆宁《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第2期247-254,共8页; 针对磨齿机在磨削加工时,电主轴存在热致误差等问题,提出基于模糊神经网络(FNN)建立电主轴热误差模型的方法.分析电主轴内部的热生成和热传递机理,得到内部的传热规律.通过计算热载荷和边界条件,利用有限元分析(FEA)软件对电主轴系统的... 展开更多; 关键词热特性分析热误差建模模糊神经网络(FNN) BP神经网络电主轴; 在线阅读下载PDF 职称材料

基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测被引量：3: 3; 作者张典震陈捷 +1 位作者王华杨启帆《振动与冲击》 EI CSCD 北大核心 2021年第23期9-16,共8页; 为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-... 展开更多; 关键词回转支承密集时间卷积网络(DTCN) 卷积自编码网络(CAE) 退化趋势预测; 在线阅读下载PDF 职称材料

基于CAE和AGRU的滚动轴承退化趋势预测被引量：3: 4; 作者焦玲玲陈捷刘连华《振动与冲击》 EI CSCD 北大核心 2023年第12期109-117,共9页; 针对旋转机械中滚动轴承退化趋势预测存在健康指标构建依赖先验知识、预测精度低等问题,提出了基于卷积自编码器(convolutional auto-encodes,CAE)和融合注意力机制的门控循环单元(attention gated recurrent unit,AGRU)的滚动轴承退化... 展开更多; 关键词滚动轴承退化趋势预测卷积自编码器(CAE) 门控循环单元(GRU) 注意力机制; 在线阅读下载PDF 职称材料

变照度下的视觉测量系统误差建模: 5; 作者粟序明方成刚 +3 位作者潘裕斌吴伟伟李亚萍朱浪《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第10期1929-1935,共7页; 针对二维视觉在线测量工件时,照度变化因素导致测量误差的问题,提出基于遗传算法优化的最小二乘支持向量机(GA-LSSVM),建立照度误差模型的方法.分析视觉测量系统的误差来源,通过最小二乘法分析照度影响下的误差规律.利用照度变化误差实... 展开更多; 关键词视觉测量误差建模遗传算法优化的最小二乘支持向量机照度 BP神经网络; 在线阅读下载PDF 职称材料

题名驱动系统摩擦扰动的模糊平方项自适应滑模控制被引量：1: 1; 作者林子豪方成刚杨贵超高伟峰陈昕; 机构南京工业大学机械与动力工程学院南京工业大学江苏省工业装备数字制造及控制技术重点实验室; 出处《西安交通大学学报》 EI CAS CSCD 北大核心 2023年第3期97-105,共9页; 基金国家自然科学基金资助项目(51635003) 国家自然科学基金青年科学基金资助项目(52005249)。; 文摘为了提高滚珠丝杠系统的运动精度同时减少能耗,提出了一种新的模糊平方项自适应滑模控制方法,可以在降低能耗的同时有效提高滚珠丝杠系统的运动精度。采用集中质量模型建立滚珠丝杠动力学模型,同时引入LuGre摩擦模型,估计摩擦力。所提出的自适应方法可以在非线性滑模面的趋近和滑动阶段根据误差平方项的变化来自动调节控制增益,设计了对应的边界层厚度模糊推理系统,在提高信号输出、减轻颤振和实现精确跟踪的同时减少高增益带来的能耗。实验数据显示,当使用设计的FASMC控制器时,最大跟踪误差为21.32μm,在工作台增加20 kg质量块和高速负载情况下,最大跟踪误差分别为22.15μm和24.97μm。与一阶滑模FOSMC控制器和其他自适应控制器的对比结果表明,所提出的控制策略可以有效提高跟踪精度和鲁棒性。; 关键词滑模控制滚珠丝杠系统自适应控制 LuGre摩擦跟踪误差; Keywords sliding mode control ball screw system adaptive control LuGre friction tracking error; 分类号 TP213 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名磨齿机电主轴热特性及热误差建模被引量：14: 2; 作者谢杰黄筱调方成刚周宝仓陆宁; 机构南京工业大学机械与动力工程学院南京工业大学江苏省工业装备数字制造及控制技术重点实验室重庆大学机械传动国家重点实验室; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第2期247-254,共8页; 基金国家自然科学基金重点资助项目(51635003); 文摘针对磨齿机在磨削加工时,电主轴存在热致误差等问题,提出基于模糊神经网络(FNN)建立电主轴热误差模型的方法.分析电主轴内部的热生成和热传递机理,得到内部的传热规律.通过计算热载荷和边界条件,利用有限元分析(FEA)软件对电主轴系统的温度场和热变形进行数值模拟,得到电主轴系统中温升和热变形最大的部位.通过电主轴热误差实验获得温度和热变形数据,分别训练模糊神经网络和BP神经网络,建立温度场和热变形之间的热误差模型,对主轴热误差进行预测.结果显示:在电主轴径向热误差预测模型中,模糊神经网络模型和BP模型的建模精度分别为96.74%和89.77%.这表明模糊神经网络模型建立的热误差模型,在拟合和预测精度上优于BP神经网络模型.; 关键词热特性分析热误差建模模糊神经网络(FNN) BP神经网络电主轴; Keywords thermal characteristic analysis thermal error modeling fuzzy neural network(FNN) BP neu ral network motorized spindle; 分类号 TH161 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测被引量：3: 3; 作者张典震陈捷王华杨启帆; 机构南京工业大学机械与动力工程学院南京工业大学江苏省工业装备数字制造及控制技术重点实验室; 出处《振动与冲击》 EI CSCD 北大核心 2021年第23期9-16,共8页; 基金国家重点研发计划(2019YFB2005005)。; 文摘为了对反映回转支承性能退化状况的健康指标进行准确预测,提出了一种基于改进时间卷积网络(temporal convolution network,TCN)的退化趋势预测模型——密集时间卷积网络(densely temporal convolution network,DTCN)。该模型借鉴Dense-Net网络中的Dense-block模块对网络结构进行改进,以解决时间卷积网络在训练中损失函数下降缓慢,以及网络不易收敛、收敛效果差的问题;使用回转支承全寿命试验数据,借助卷积自编码网络(convolutional auto-encoders,CAE)与隐马尔可夫模型(hidden Markov model,HMM)建立健康指标,验证该改进算法的有效性;将DTCN与其他序列预测模型如长短时记忆网络(long short-term memory,LSTM)、门控循环单元网络(gated recurrent unit,GRU)等对比。结果表明,该模型在预测效果上具有优越性,能够更准确地预测健康指标的变化情况,可用于回转支承的退化趋势预测任务。; 关键词回转支承密集时间卷积网络(DTCN) 卷积自编码网络(CAE) 退化趋势预测; Keywords slewing support densely temporal convolution network(DTCN) convolutional auto-encoder(CAE) degradation trend prediction; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于CAE和AGRU的滚动轴承退化趋势预测被引量：3: 4; 作者焦玲玲陈捷刘连华; 机构南京工业大学机械与动力工程学院南京工业大学江苏省工业装备数字制造及控制技术重点实验室; 出处《振动与冲击》 EI CSCD 北大核心 2023年第12期109-117,共9页; 基金国家重点研发计划(2019YFB20052004)。; 文摘针对旋转机械中滚动轴承退化趋势预测存在健康指标构建依赖先验知识、预测精度低等问题,提出了基于卷积自编码器(convolutional auto-encodes,CAE)和融合注意力机制的门控循环单元(attention gated recurrent unit,AGRU)的滚动轴承退化趋势预测方法。首先,该方法通过快速傅里叶变换(fast Fourier transform,FFT)将滚动轴承时域信号转换为频域信号,卷积自编码器从频域信号中自适应提取特征,编码特征通过评估选择构建健康指标(health indicators,HI),在此基础上,将健康指标输入融入注意力的门控循环单元网络(gate recurrent unit,GRU)模型,剪枝算法对模型参数进行优化,完成了滚动轴承性能退化趋势预测。结果表明,所提的方法能获得更准确的滚动轴承退化趋势预测。; 关键词滚动轴承退化趋势预测卷积自编码器(CAE) 门控循环单元(GRU) 注意力机制; Keywords rolling bearing degradation trend prediction convolutional auto-encoders(CAE) gated recurrent unit(GRU) attention mechanism; 分类号 TH212 [机械工程—机械制造及自动化] TH213.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名变照度下的视觉测量系统误差建模: 5; 作者粟序明方成刚潘裕斌吴伟伟李亚萍朱浪; 机构南京工业大学机械与动力工程学院南京工业大学江苏省工业装备数字制造及控制技术重点实验室扬州大学机械工程学院华东理工大学化学与分子工程学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第10期1929-1935,共7页; 基金国家自然科学基金资助项目(51635003) 江苏省科技成果转化专项资金资助项目(BA2017099)。; 文摘针对二维视觉在线测量工件时,照度变化因素导致测量误差的问题,提出基于遗传算法优化的最小二乘支持向量机(GA-LSSVM),建立照度误差模型的方法.分析视觉测量系统的误差来源,通过最小二乘法分析照度影响下的误差规律.利用照度变化误差实验,获得照度和测量系统的误差数据,分别训练GA-LSSVM、支持向量机(SVM)以及BP神经网络,建立照度和测量系统误差模型,对系统测量误差进行预测.结果表明:在变照度测量误差预测模型中,GA-LSSVM模型、SVM模型及BP神经网络模型的预测精度分别为94.90%、90.23%及80.60%.这表明遗传算法优化的最小二乘支持向量机建立的变照度误差模型,在拟合和预测精度上优于传统的BP神经网络.; 关键词视觉测量误差建模遗传算法优化的最小二乘支持向量机照度 BP神经网络; Keywords visual measurement error modeling genetic algorithm optimization least squares support vector machine illuminance BP neural network; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 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	驱动系统摩擦扰动的模糊平方项自适应滑模控制	林子豪方成刚杨贵超高伟峰陈昕	《西安交通大学学报》 EI CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
2	磨齿机电主轴热特性及热误差建模	谢杰黄筱调方成刚周宝仓陆宁	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2018	14	在线阅读下载PDF 职称材料
3	基于卷积自编码与密集时间卷积网络的回转支承退化趋势预测	张典震陈捷王华杨启帆	《振动与冲击》 EI CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
4	基于CAE和AGRU的滚动轴承退化趋势预测	焦玲玲陈捷刘连华	《振动与冲击》 EI CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
5	变照度下的视觉测量系统误差建模	粟序明方成刚潘裕斌吴伟伟李亚萍朱浪	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2020	0	在线阅读下载PDF 职称材料