基于径向基函数网络的煤粉质量流量测量

为了提高工业生产中煤粉质量流量检测的测量精度,在双弯管法测量固相质量流量原理的基础上,利用人工神经网络优良的非线性映射能力,将固相质量流量难以确定的影响因素反映到网络的连接权值中,建立基于径向基函数网络的软测量模型;在气力输送煤粉实验平台上进行实验,获取实验数据,以实验数据为样本对模型进行训练与仿真。结果表明,模型测量误差不超过3%,是煤粉固相质量流量测量的一种简单、有效的方法。     

利用径向基函数网络修正机枪有限元模型

在对机枪进行结构设计时,建立有限元模型并在此基础上进行动力学仿真,对了解其结构动态特性如何影响整个武器射击精度十分重要.提出了一种利用径向基函数网络进行机枪有限元模型修正的方法,将模型修正转化为正问题进行研究.根据实测模态数据对所建立的有限元模型进行修正,以径向基函数网络反映机枪结构参数与其动态特性之间的非线性映射关系,利用神经网络的泛化特性求解设计参数的目标值,不需迭代求解,并且避开了反问题面临的非线性优化计算.反演仿真数据代入的有限元模型计算结果与实测结果较为吻合,证明了该方法的有效性.     

基于切削振动相关性识别刀具磨损状态的模型与实验

本文提出基于切削振动相关性识别刀具磨损状态的研究思想,建立了车削中刀杆双向横振动系统及其单输入双输出系统的数学模型。理论和实验均表明,刀杆双向横振动之加速度响应在固有基频处的相干函数与刀具磨损状态之间有很好的规律性,它反映了两者之间的本质机理,并提供了识别刀具磨损状态的新途径。     

切削SiC增强铝基复合材料时刀具的磨损形态及机理

为研究切削SiC增强铝基复合材料时刀具的磨损形态和机理,采用硬质合金和聚晶金刚石(PCD)刀具进行了各切削工况下的切削试验。用爆炸式快速落刀装置获取切屑根,研究了前刀面的磨损部位。借助扫描电子显微镜(SEM)和原子力显微镜(AFM),检测分析了前、后刀面的磨损形态和成分组成,并进一步研究了磨损机理。结果表明:切削刀具的主要磨损部位发生在后刀面,磨损机理是磨料磨损;前刀面临近刃口区域首先产生由SiC增强相引起的磨料磨损,该区域随后由机械镶嵌生成积屑瘤,积屑瘤脱落后导致产生黏结磨损。黏结磨损的程度较轻,没有形成月牙洼型。前刀面离刃口稍远的区域(积屑瘤尾部后面)会同时产生由切屑底层SiC增强相引起的再次磨料磨损,磨料磨损的主要机理是"微切削"。     

金属陶瓷刀具切削不锈钢的磨损机理研究

利用真空烧结工艺制备了纳米复合Ti（C，N）基金属陶瓷刀片。进行了奥氏体不锈钢的单因素切削试验，并利用SEM、EPMA对金属陶瓷刀具的磨损失效机理进行了详细的研究。结果表明：纳米复合Ti（C，N）基金属陶瓷刀片在切削奥氏体不锈钢时表现出较高的耐磨性，其主要的磨损失效机理为粘结磨损，同时伴随一定的氧化磨损和扩散磨损。     

铝基碳化硅精密铣削刀具磨损实验研究

针对铝基碳化硅切削加工中刀具易磨损、寿命低、切削难度大和加工成本高等问题,选用不同材料的硬质合金铣刀及金刚石铣刀进行切削加工实验,并利用扫描电镜和工具显微镜对高体积分数铝基碳化硅铣削时刀具磨损形态进行了分析研究.研究表明:硬质合金刀具前刀面和刃口磨损主要形式为粘结磨损和微崩刃,后刀面磨损主要为刻划磨损,而金刚石铣刀加工时刀具磨损很小;YG6X铣刀材料微观组织致密,抗磨损能力较强,宜粗加工时选用;金刚石刀体的硬度远大于SiC颗粒,且金刚石与工件的摩擦系数小,金刚石铣刀寿命远大于硬质合金铣刀,宜精加工时选用.     

刀具磨损检测方法探究

无论是工业应用中还是生活中,五金磨损检测的意义均是十分重要。尤其是刀具的磨损检测,有利于验证刀具使用情况。文章阐述了刀具切削过程中磨损机理,提出了刀具磨损检测的各种方法。     

径向基函数预测网络拓扑确定新方法

预测能力相对薄弱,已经成为制约PHM(Prognostics and Health Management)技术发展和应用的瓶颈.随着传感器和BIT(Built-in Test)设计技术的日益进步,采用序列分析的方法对复杂系统装备进行故障预测已经成为可能.在基于序列分析的预测方法研究中,径向基函数预测网络具有结构简单、学习速度快、具备非线性建模能力等诸多优点.为了改进其预测性能,在深入分析网络拓扑对模型性能及建模时间影响的基础上,综合考察了序列最佳线性自相关长度、建模精度和模型复杂度等多种因素,提出了基于偏自相关函数统计检测的输入层节点数目确定算法和基于BIC(Bayesian Information Criteria)准则的隐层节点数目确定算法,用以构建径向基函数预测网络;并对算法的有效性进行了分析.仿真结果表明,同传统建模算法相比较,由新算法构建的径向基函数预测网络具有最佳的预测性能,且建模时间不足传统算法的3%.     

基于径向基函数的自适应网格方法

本文给出了一种基于径向基函数的自适应网格方法．该方法利用网格依赖方法的解与径向基函数插值解的信息来细化或粗化网格,充分利用了径向基函数计算格式简单、节点配置灵活的优点与网格依赖方法的稳健性．提出的算法很容易编程实现．数值算例表明该算法可以在解变化剧烈的区域加密网格,在解变化平缓的地方粗化网格,从而在保证相同数值求解精度的情况下,能够极大地节省计算量．     

金属陶瓷刀具切削不锈钢的磨损机理研究

利用真空烧结工艺制备了纳米复合Ti(C,N)基金属陶瓷刀片.进行了奥氏体不锈钢的单因素切削试验,并利用SEM、EPMA对金属陶瓷刀具的磨损失效机理进行了详细的研究.结果表明:纳米复合Ti(C,N)基金属陶瓷刀片在切削奥氏体不锈钢时表现出较高的耐磨性,其主要的磨损失效机理为粘结磨损,同时伴随一定的氧化磨损和扩散磨损.     

基于卷积门控循环神经网络的刀具磨损状态监测

针对刀具磨损状态在线监测需求,提出一种基于卷积门控循环神经网络的刀具磨损状态在线监测方法.综合卷积神经网络和门控循环神经网络的优点,构建了卷积门控循环神经网络;以切削力为输入信号,通过小波变换滤除噪声;利用卷积神经网络提取表征刀具磨损状态关键信息的高维特征;通过门控循环神经单元使模型在时间尺度上的累积效应得到充分表达,...     

基于带阈值模块一维残差网络的刀具磨损监测方法

基于带阈值模块一维残差网络和双向长短期记忆网络,设计了刀具磨损监测模型和预测模型。将传感器信号经过小波分解后输入监测模型中,阈值模块自动选择阈值对信号降噪,残差模块提取信号特征,然后输出刀具磨损监测值,再将其输入到预测模型中获得刀具磨损预测值。实验证明:该监测模型与不带阈值模块的一维残差网络模型和卷积神经网络模型进行了对比,监测准确率分别提高了0.327%和1.697%;预测模型的预测效果较好,绝对误差仅为0.023。     

基于奇异值分解和灰靶决策的车刀磨损状态判别

针对随机噪声干扰车刀磨损振动信号时域特征提取,车刀磨损判别精度不高的问题,提出一种通过小波包变换和相关系数法提取车刀振动信号的磨损时域特征,采用奇异值分解对磨损时域特征进行去噪处理,去噪处理后获取磨损时域特征。选取与车刀磨损最相关的磨损特征作为参考特征序列,计算参考特征序列与其余磨损特征序列之间的相似关联度,对相似关联度归一化处理得到各磨损时域特征的权值,使用灰靶决策计算各磨损时域特征的综合测度,确定车刀磨损状态。实验结果表明:该方法可以有效地滤除随机噪声干扰。     

A Modification of SOM Network(SLFM) and Its Applications in Tool Wear Monitoring and Quality Control

ＡＭｏｄｉｆｉｃａｔｉｏｎｏｆＳＯＭＮｅｔｗｏｒｋ（ＳＬＦＭ）ａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｓｉｎＴｏｏｌＷｅａｒＭｏｎｉｔｏｒｉｎｇａｎｄＱｕａｌｉｔｙＣｏｎｔｒｏｌ★ＺｈｕＭｉｎｇｑｕａｎＣａｉＹｏｎｇｘｉａＤｅｐａｒｔｍｅｎｔｏｆＡｅｒｏｎ...     

Tool Wear Monitoring in Drilling Using Multiple Feature Fusion of the Cutting Force

1. IntroductionTool wear brings about vibration of the machine tool and deterioration of surface roughness and dimensional accuracy of the workpiece, and even causes tool damage and workpiece damage as well as downtime of the machine tool when the tool is badly worn. It is reported that 75% of all the downtime of equipment is owed to tool failure in production. So on-line monitoring of tool condition and tool wear is a key technique that realizes high efficiency and automation of the machining…     

超精密切削单晶硅的刀具磨损机理

为了研究超精密切削单晶硅过程中金刚石刀具后刀面发生急剧磨损的机理,对单晶硅（111）晶面进行了超精密切削实验,并采用X射线光电子能谱分析仪对单晶硅已切削表面进行化学成分分析.实验结果表明：切削区域的高温高压导致金刚石刀具发生碳原子扩散磨损;切削过程中有碳化硅和类金刚石两种超硬微颗粒形成,而随着切削路程长度的逐渐增加,超硬微颗粒并不随之消失;碳化硅和类金刚石超硬微颗粒在金刚石刀具后刀面刻画和耕犁,从而产生沟槽磨损,直接导致金刚石刀具产生急剧磨损.     

BP-Neural-Network-Based Tool Wear Monitoring by Using Wavelet Decomposition of the Power Spectrum

In a drilling process, the power spectrum of the drilling force is related to the tool wear and is widely applied in the monitoring of tool wear. But the feature extraction and identification of the power spectrum have always been an unresolved difficult problem. This paper solves it through decomposition of the power spectrum in multilayers uzing wavelet transform and extraction of the low frequency decomposition coefficient as the envelope information of the power spectrum. Intelligent identification of the tool wear statuz is achieved in the drilling process through fusing the wavelet decomposition coefficient of the power spectrum by uzing a BP( Back Propagation) neural network. The experimental results show that the features of the power spectrum can be extracted efficiently through this method, and the trained neural networks show high identification precision and the ability of extension.     

半固着磨具特性对其磨耗和工件材料去除的影响

为获得先进陶瓷材料的高效、高精度加工,通过采用新研制的半固着磨具来实现一种半固着磨粒加工技术．制作了以SiC为磨料的不同粒度和磨料浓度的半固着磨具（SFAT）,讨论分析了磨料粒度和磨料浓度对半固着磨具特性（剪切强度和表面硬度等）的影响．采用所制作的半固着磨具加工单晶硅片,研究半固着磨具的磨耗率和工件材料去除率．初步实验结果表明,磨料粒度#1000和磨料质量分数为65％的半固着磨具的磨具磨耗率最小且工件材料去除率最大．实验结果有助于指导半固着磨具制作．     

基于脑功能网络的脑疲劳状态检测研究

为了对驾驶员的疲劳状态进行有效识别,进行了真实高速公路驾驶实验。通过无线脑电采集设备采集驾驶员在不同时刻的多导脑电数据。基于相位滞后指数对不同时刻的脑电数据分别建立邻接矩阵、二值矩阵,并构建脑功能网络,绘制脑网络地形图。利用复杂网络理论计算和分析脑功能网络节点特征参数--度,并对不同时刻的节点度进行对比。根据各个节点度的变化趋势以及驾驶员的主观判断,发现随着驾驶实验的继续,驾驶疲劳程度加深,大脑的信息处理能力降低,相位滞后指数值与节点度下降趋势明显。表明脑功能网络特征参数--度,能够作为表征大脑疲劳的客观指标。通过与其他检测方法的对比得到采用节点度作为脑疲劳状态评价指标可靠性更强。     

基于变分模态分解的关联维数及相关向量机的刀具磨损状态监测

针对刀具磨损过程中产生的非平稳性信号,提出了基于变分模态分解的关联维数及相关向量机的刀具磨损状态监测方法。首先,利用变分模态分解对采集的声发射信号进行分解,获得一系列分量;其中部分分量跟磨损状态相关,部分分量是干扰噪声。为此根据分解后分量与原信号的互信息值提取出敏感分量;利用刀具信号特点确定关联维数的时延参数和嵌入维数,计算敏感分量的关联维数并组成特征向量;最后,将刀具不同状态的特征向量输入相关向量机进行训练与测试,从而实现对刀具磨损状态的监测。实验结果表明,该方法能够有效地识别出刀具磨损过程中不同的工作状态,且分类准确率较经验模态分解好。