排序方式: 共有3条查询结果,搜索用时 78 毫秒
1
1.
2.
为了有效兼顾加工过程实时信号的多维特征和序列特征,以实现精度更高的加工状态异常监测,本文提出了一种基于深度卷积-长短时记忆神经网络(Convolution Neural Network-Long Short Time Memory,CNN-LSTM)的异常监测模型.该模型以数控系统中采集的实时数据为输入,先利用CNN提取其高维特征并生成特征向量,再利用LSTM进行序列特征提取,最后通过逻辑回归得到异常诊断结果.实验表明,该模型的准确率、精确率、召回率等性能指标均超过98.5%,明显优于其他异常监测模型. 相似文献
3.
针对介观尺度零件制造过程中的加工精度控制问题,提出包括尺寸误差传递模型、多元统计过程控制和误差源诊断的加工精度控制体系,为精密微小零件多工序数字化制造提供了技术基础。通过研究介观尺度零件的特点及其在切削加工中的特性,提出基于微细切削尺度效应的工件变形和刀具变形引起的加工误差模型,构建了介观尺度零件尺寸误差传递的状态空间模型;在此基础上提出集成尺寸误差模型和多元统计过程控制的质量监控策略以及基于协方差分析的误差源诊断方法,实现了对介观尺度零件加工误差的诊断与加工精度的控制。以不锈钢工件微细槽铣削加工为例,验证了模型的有效性和可行性。 相似文献
1