基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在自动化制造业生产中,刀具状态的监测具有十分重要的意义.在充分考虑对刀具状态密切相关的敏感特征参数的基础上,利用人工神经网络模型实现了刀具状态的监测.试验表明,该系统的错报率为6.3%,可有效地应用到工程实际中.最后,对系统的误差进行分析并提出了改进的方向.
推荐文章
基于小波神经网络监测刀具状态的研究
神经网络
小波分析
刀具监测
振动信号
AE信号
基于神经网络的电力变压器状态监测
状态监测
预测维护
故障诊断
神经网络
变压器
RBF神经网络在刀具状态监控中的应用研究
刀具状态监控
RBF神经网络
特征抽取
基于改进神经网络的机床刀具故障诊断
机床刀具故障诊断
量子神经网络
BP神经网络
声发射信号
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于人工神经网络的刀具状态监测系统
来源期刊 机械工程学报 学科 工学
关键词 神经网络 刀具状态 监测
年,卷(期) 2002,(8) 所属期刊栏目 工程技术应用
研究方向 页码范围 135-138
页数 4页 分类号 TH164|TH277
字数 3662字 语种 中文
DOI 10.3321/j.issn:0577-6686.2002.08.029
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐建林 28 551 13.0 23.0
2 黄建龙 20 195 8.0 13.0
3 陈超 甘肃工业大学机电工程学院 13 175 6.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (8)
参考文献  (2)
节点文献
引证文献  (48)
同被引文献  (39)
二级引证文献  (243)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(6)
  • 参考文献(0)
  • 二级参考文献(6)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2003(2)
  • 引证文献(2)
  • 二级引证文献(0)
2004(6)
  • 引证文献(4)
  • 二级引证文献(2)
2005(6)
  • 引证文献(3)
  • 二级引证文献(3)
2006(10)
  • 引证文献(4)
  • 二级引证文献(6)
2007(20)
  • 引证文献(7)
  • 二级引证文献(13)
2008(34)
  • 引证文献(11)
  • 二级引证文献(23)
2009(23)
  • 引证文献(3)
  • 二级引证文献(20)
2010(26)
  • 引证文献(5)
  • 二级引证文献(21)
2011(25)
  • 引证文献(2)
  • 二级引证文献(23)
2012(18)
  • 引证文献(1)
  • 二级引证文献(17)
2013(16)
  • 引证文献(0)
  • 二级引证文献(16)
2014(19)
  • 引证文献(0)
  • 二级引证文献(19)
2015(20)
  • 引证文献(1)
  • 二级引证文献(19)
2016(17)
  • 引证文献(3)
  • 二级引证文献(14)
2017(13)
  • 引证文献(1)
  • 二级引证文献(12)
2018(17)
  • 引证文献(1)
  • 二级引证文献(16)
2019(18)
  • 引证文献(0)
  • 二级引证文献(18)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
神经网络
刀具状态
监测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机械工程学报
半月刊
0577-6686
11-2187/TH
大16开
北京百万庄大街22号
2-362
1953
chi
出版文献量(篇)
12176
总下载数(次)
57
总被引数(次)
241354
论文1v1指导