基于自适应神经模糊推理系统的刀具磨损监测

为精确地监测高速铣床刀具在加工过程中的刀具磨损量,通过采集高速铣床加工过程中的振动信号、电流信号和噪声信号,经数据预处理与数据融合,建立基于自适应神经模糊推理系统的刀具磨损过程变化模型,实现在高速铣床不停机的前提下对铣床刀具进行状态监控。实验结果显示：针对铣床刀具磨损量的监测平均准确率为95.21％,最大监测准确率为99．74％。这表明文中所采用的方法具有较高的可行性。     

氟金云母玻璃陶瓷切削加工中的刀具磨损量建模

采用响应曲面法对氟金云母玻璃陶瓷进行车削加工试验,以高速钢刀具磨损为响应,以切削用量为试验因素,通过回归分析、模型检验及方差分析,建立刀具磨损量与切削用量之间的数学模型,分析切削用量对刀具磨损的影响规律。研究表明:建立的刀具磨损量模型具有较好的适合性和显著性,预测精度较高,能较好地描述刀具磨损与切削用量参数之间的关系;切削用量对刀具磨损量的影响程度依次为进给速度、切削速度和切削深度;应用刀具磨损量模型,有助于选择合理的切削用量,减少和控制刀具磨损。     

TC4铣削加工的刀具磨损与切削力和振动关系研究

采用AlCrN涂层整体硬质合金立铣刀铣削TC4钛合金,测量周刃磨损量、切削力和切削振动。使用扫描电镜（SEM）观察刀具磨损形貌,应用能谱分析的方法研究刀具失效表面元素的分布规律。在揭示磨损机理的基础上,进一步探讨刀具磨损对切削力、切削振动的影响规律,为实现钛合金加工刀具磨损状态的在线检查提供理论和技术支持。研究表明：前刀面主要出现机械裂纹、热裂纹、粘结磨损和氧化磨损,后刀面出现机械裂纹、粘结磨损和氧化磨损;整体上,切削力和振动随着磨损量的增大而增大,但不同磨损状态对切削力和振动的影响不同。     

辅助超声振动车削金属基复合材料试验研究

选取金属基复合材料为加工对象,于刀具上加载超声振动进行车削试验。对比研究表明:辅助超声振动车削较常规方式车削的加工质量好且刀具磨损程度轻;试验参数不同程度地影响辅助超声振动车削试样的表面质量以及刀具磨损程度;随着切削深度增加和进给量增大,试样表面粗糙度和刀具后刀面磨损量均呈递增趋势;而随着转速加快,试样表面粗糙度呈递减趋势,刀具后刀面磨损量则呈递增趋势。     

切削参数对切削高强钢刀具磨损仿真研究

34CrNiMo6高强钢硬度高、强度高,在切削加工中刀具磨损严重.针对切削参数与刀具磨损的关系,建立车削34CrNiMo6高强钢刀具磨损仿真模型.用三因素四水平正交试验法研究切削用量三要素在切削过程中对刀具的影响.结果表明:刀具磨损量受切削深度影响最小,受切削速度影响最大.     

基于AR模型的Ni-SiC镀层磨损量预测研究

采用脉冲-电沉积方法在T8钢表面制备Ni-Si C镀层,利用扫描电镜(SEM)、XRD衍射仪和磨损试验机对Ni-Si C镀层的表面形貌、组分及其磨损性能进行分析,并利用AR模型对Ni-Si C镀层的磨损量进行预测。结果表明:当脉冲占空比为40%时,采用脉冲电沉积法制备Ni-Si C镀层的表面粗糙度较小、晶粒细小、组织较均匀;经XRD分析,证实Ni-Si C镀层中Si元素的存在;AR模型能够较好的对Ni-Si C镀层磨损量进行预测,预测结果相对误差的最大值仅为3.7%。     

随机噪声模拟下机构部件磨损动态可靠性模型及其求解方法

基于随机动力学理论,开展机构部件磨损动态可靠性的建模,推导了失效概率的求解方法。在机构部件传统磨损分析的基础上,引入白噪声、OU色噪声两种不同类型的随机项来模拟部件磨损过程的动态性和随机性,并以部件动态磨损量和容许磨损量建立磨损动态可靠性模型,推导了动态可靠性基于随机模拟方法和随机泰勒展开方法的求解公式。以某型飞机货桥锁机构为例开展部件磨损动态可靠性分析,验证了所提模型和方法的合理性。     

基于组合灰色神经网络模型的火炮身管烧蚀磨损量预测

针对火炮身管烧蚀磨损量受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,在采用灰色动态模型对身管烧蚀磨损量进行预测的基础上,构造了组合灰色神经网络预测模型进行预测。结果表明,通过组合灰色神经网络模型可以得出较单一模型预测更加准确的预测值,能更好地反映内膛烧蚀磨损量的发展规律。     

基于ANGM(1,1)和PSO-BP神经网络组合模型的身管烧蚀磨损量预测

在火炮射击过程中,身管烧蚀磨损会对火炮性能产生不利影响,烧蚀磨损量预测对提高火炮性能及寿命均有较大意义。由于常规数据拟合和预测方法在预测火炮身管烧蚀磨损量时存在较大的误差,在分析传统预测模型优化方法的基础上,针对身管烧蚀磨损量具有单调性和波动性特点,提出了改进的灰色模型ANGM(1,1),并结合基于粒子群算法优化的BP神经网络模型,建立了ANGM-PBP组合模型。对实弹射击测得的16组试样的实例应用分析表明,该组合预测模型的相对误差在±3%以内,平均相对误差低至0.74%,说明该组合模型的精度较高,适应性和可靠性均有所增强。该研究为火炮身管寿命预测提供了解决方案。     

小波神经网络在智能诊断中的应用

小波神经网络分为松散型和紧致型，前者以小波分析作为神经网络的前置处理，为其提供输入特征向量，后者采用小波函数和尺度函数形成神经元，达到小波和神经网络的直接融合，刀具故障在线监测松散型小波神经网络，用声传感器在线采集刀具的状态数据，用小波分析处理数据并提取特征量以确定网络的输入向量；用BP神经网络训练数据，调整权值和故障输出，建立刀具故障在线监测小波神经网络模型。     

基于融合评价指标和神经网络的刀具磨损预测

机械加工过程中的刀具磨损状态对零件的加工质量、生产效率和成本影响极大。对刀具磨损的采集信号进行合理准确地降噪处理,是实现刀具磨损检测的核心技术。利用熵值法构造出信噪比、平滑度、均方根误差3个传统评价指标的权重,提出降噪质量的融合评价指标。对比仿真信号的去噪结果与真实信号发现,融合评价指标更具可行性和优越性。以最大融合评价指标为目标,提出降噪参数的优化方法。针对小波阈值去噪后的实际刀具磨损振动信号,与传统的单个评价指标相比,融合评价指标优选出来的降噪参数,不仅能够去除\[6 kHz,12 kHz\]高频部分的噪声信号,而且能够比较完整地保留\[0 kHz,6 kHz\]低频部分的真实信号。通过提取出刀具磨损特征值,建立切削工艺参数与刀具磨损之间的神经网络预测模型。刀具磨损试验结果表明,预测结果与试验测量值之间的最大误差不超出6.0%,进一步验证了基于多指标融合评价的最佳降噪参数能够准确地提取出刀具磨损信号的特征量。     

基于优化的非等间隔灰色理论和BP神经网络的身管磨损量预测

针对火炮身管烧蚀磨损量预测中存在的数据采样时间间隔不均匀、采样难度大、成本高、数据量小,常规数据拟合和预测方法难以处理等问题,提出一种基于改进的非等间隔灰色理论和BP神经网络的组合预测方法。通过组合预测模型对某型火炮身管的烧蚀磨损量进行预测,实例分析表明该组合预测模型具有较高的预测精度,为身管内膛磨损量的预测提供了一种新的技术途径。     

ELM 在机床切削刀具磨损快速检测中的应用

为检测加工过程中切削刀具的磨损和破损,探讨一种基于声音识别的超限学习机(extreme learning machine,ELM)模型检测方法.论述切削声音信号的时频域特性,讨论基于小波包分解的刀具工作状态敏感频谱能量统计特征量提取方法,构建基于声音特征量识别的ELM快速检测模型.以某操作现场刀具切削磨损声音信号识别实验为例,实测数据验证了采用该模型可获得更高的检测准确度且响应速度更快.实验仿真结果表明:采用ELM模型借助声音识别检测切削刀具磨损的方法是有效的.     

基于极度梯度提升模型的火炮身管寿命预测

为提高火炮身管寿命预测的精度,将身管内径磨损量作为寿命预测指标,提出基于极度梯度提升(XGBoost) 模型的火炮身管寿命预测算法。以火炮弹射数为输入,身管内径磨损量为输出,通过集成多个弱学习器反复训练来 拟合前一个弱学习器预测值与实际值之间的残差,从而生成强学习器,并通过在损失函数后加入正则化项及采用剪 枝技术降低模型过拟合的风险。基于某型火炮实测数据进行验证,结果表明：该模型不仅有效解决了火炮弹射量与 身管内径磨损量之间的映射关系,且相比支持向量机、BP 神经网络、灰色模型等现有算法显著提升了身管寿命预测 精度。     

车辆柴油机缸套动载荷磨损计算模型研究

为实现车辆柴油机缸套动载荷磨损的数值仿真计算,基于大修柴油机缸套表面形貌分析,确定并提出了缸套动载荷磨损的模式与简化机理;结合Archard黏着磨损模型和二体磨粒磨损模型,推导了动载荷磨损深度的一般表达式;利用缸套试件磨损试验数据,采用响应面拟合法建立磨损系数中的参数与载荷参数的数值关系,并通过两组缸套动载荷磨损试验对磨损计算模型进行了验证。实测与计算结果对比表明,磨损质量最大计算误差为6.15%,模型具有可靠的精度。     

一种光电跟踪平台共轴控制的目标运动滤波方法

目标运动估计是光电跟踪平台实现共轴控制的核心。针对目标运动的滤波精度问题,提出了基于灰色预测模型和卡尔曼理论的目标运动融合滤波方法。利用少量前几个时刻的目标运动数据实时在线建立灰色预测模型,替代标准卡尔曼滤波的目标状态预测方程,避免了需要预先假定目标运动数学模型而引起滤波误差的弊端。进一步对灰色模型预测值和融合滤波估计值的残差序列,构建残差在线预估模型;利用残差预测值对灰色预测模型进行实时修正,有效地提高了灰色模型的预测精度,改善了融合滤波的效果。仿真实验验证了灰色模型在目标运动预测中的有效性。实验结果表明：残差修正策略将灰色模型预测精度提高了60%;与其他滤波方法相比,提出的融合滤波方法具有更好的滤波效果及更准确的目标运动估计。     

基于神经网络的薄壁件加工变形预测方法

在薄壁件的切削加工过程中,刀具几何结构是产生工件变形的重要因素之一。刀具单一角度所引起的工件变形规律可以很方便地通过有限元方法获得,但是,若同时考虑刀具多个角度的影响,仅仅利用有限元方法很难揭示多种工况与工件变形之间的关系。为此,针对薄壁件的铣削加工建立了三维有限元分析模型,通过实验数据与仿真值的比较验证有限元分析模型的有效性,以便利用有限元分析模型获取神经网络的训练样本;借助神经网络的非线性映射能力,通过有限的训练样本构建工件变形预测模型;将预测值与相应的有限元仿真值进行比较,结果表明预测误差在3%以内,进一步验证了建立的工件变形预测模型具有合理性。     

基于SVRM 极值延拓的EMD 端点效应抑制方法

以满足船舶机械设备故障实时在线快速诊断为牵引,针对经验模态分解(empirical mode decomposition, EMD)的端点效应问题,深入研究支持向量回归机(support vector regression machine,SVRM)延拓参数对延拓性能的 影响,提出一种EMD 极值快速延拓算法。研究端点效应的产生机理及影响,分析典型端点效应处理方法的优点及局 限性;阐述SVRM 预测基本原理,提出以信号极值尺度设置延拓长度与样本数量的方法;以信号极值点数值和时刻 值为样本,提出一种基于SVRM 的极值预测延拓方法。仿真结果表明：该方法可显著提高EMD 的分解精度及运算 效率,可为拓展EMD 技术在舰船装备实时监测与智能诊断中的应用提供支撑。     

一种基于IOT 的智能电子围栏设计

针对电子围栏系统安全、经济和检测精度需求,提出一种智能电子围栏监控方案。设计电子围栏系统功 能结构、系统架构,并在此基础上设计软硬件组成方案;提出电子围栏回波信号的预处理、特征提取和侵入行为检 测模型;以某公司提供的电子围栏数据为基础,验证所提方案有效性。结果表明：该特征提取模型能够有效提取信 号特征,提升分类性能,回波检测模型分类准确率为89.3%;该方案为电子围栏系统安全管理及稳定运行提供了一 定借鉴。