精镗过程中切屑断裂信号的时序分析与辨识

基于精镗加工中由安装在镗杆Ｙ向和Ｚ向的加速度传感器组成的检测系统,研究了从系统运行过程的振动信号中利用时间序列分析提取有效特征量进行切屑类型识别,实验观察了长、短、堵塞切屑的形成过程,并由此对其识别特征做出推断,得到了实验数据的验证．     

利用径向基函数神经元网络估测信号概率密度识别镗削加工中的颤振

提出一种镗削加工中预报颤振的新方法。通过理论分析得出颤振和未颤振时力信号动态分量分别提出从不同的概率分布,且它们的差异十发明显,同时利用径向基函数神经元网络在线的估测力信号的概率密度,得出和理论分析相近的结果,基于此提出一新的颤振预报准则。该方法在实际应用中具有较高的准确性和快速性。     

基于专家知识融入的模糊神经元网络结构及在镗削颤振判别中的应用

在制造系统状态监控中采用神经元网络作为模式识别器,已被证明是一种行之有效的方法。但是,由于制造系统中的加工情况复杂、包含的信息量大,所以神经元网络的学习需要大量样本才能保证它的准确性。本文利用模糊集理论,将专家知识转化为神经元网络可直接处理的模糊ｉｆ－ｔｈｅｎ规则,利用专家知识作为典型样本对模糊神经元网络进行训练,这样节省了大量获取样本的时间,同时又不降低网络的准确性。将之应用于镗削加工中颤振的判别,取得了良好的效果。     

避免罐顶失稳的有效途径

针对油罐罐顶的失稳问题,对罐顶失稳原因进行了综合分析,并提出了避免罐顶失稳 的有效途径